现如今大数据时代，数据的信息的重要性已经涉及到很多的方面。爬虫也因此应运而生，成为了很火的一种技术。现在从事爬虫技术工作的人很多，很多的不管大还是小的公司，只要对数据有需求都需要用到爬虫，而爬虫代理对于数据的获取又是一个不可或缺的要素，很多的代理商也因此诞生。今天我们来分享下大家在数据采集过程必须的过程吗，代理IP的获取与检测。

　　许多写爬虫的朋友第一个碰到的难题就是：在对某个网站进行了持续一段时间的爬取之后，网站的反爬虫机制会返回一些错误的结果给爬虫，503、407，，，，要不就是强制给你跳转到登录界面，让你获取elements的时候出错。或者最厉害的就是出现验证码。这时要应对这些问题就需要用到代理IP。接下里以爬取拉勾网的所有招聘信息为例，为大家解决这个问题。

　　由于现在网站的代理商很多，代理质量也是参差不齐，但是有点是肯定的，免费的代理质量是不会好到哪里去的，至于付费代理，只有大家实际的去测试了才知道效果。毕竟很多宣传和实际也是有出入的。下文介绍的是亿牛云代理，个人觉得质量很好。

　　C Sharp

　　//要访问的目标页面

　　stringtargetUrl="ttps://weibo.com";

　　//代理服务器

　　stringproxyHost="http://t.16yun.cn";

　　stringproxyPort="6447";

　　//代理隧道验证信息

　　stringproxyUser="16IXNGXO";

　　stringproxyPass="366338";

　　//设置代理服务器

　　WebProxy proxy=newWebProxy(string.Format("{0}:{1}",proxyHost,proxyPort),true);

　　ServicePointManager.Expect100Continue=false;

　　varrequest=WebRequest.Create(targetUrl)asHttpWebRequest;

　　request.AllowAutoRedirect=true;

　　request.KeepAlive=true;

　　request.Method="GET";

　　request.Proxy=proxy;

　　//request.Proxy.Credentials=CredentialCache.DefaultCredentials;

　　request.Proxy.Credentials=newSystem.Net.NetworkCredential(proxyUser,proxyPass);

　　//设置Proxy Tunnel

　　//Random ran=new Random();

　　//int tunnel=ran.Next(1,10000);

　　//request.Headers.Add("Proxy-Tunnel",String.valueOf(tunnel));

　　//request.Timeout=20000;

　　//request.ServicePoint.ConnectionLimit=512;

　　//request.UserAgent="Mozilla/5.0(Windows NT 6.3;Win64;x64)AppleWebKit/537.36(KHTML,like Gecko)Chrome/48.0.2564.82 Safari/537.36";

　　//request.Headers.Add("Cache-Control","max-age=0");

　　//request.Headers.Add("DNT","1");

　　//String encoded=System.Convert.ToBase64String(System.Text.Encoding.GetEncoding("ISO-8859-1").GetBytes(proxyUser+":"+proxyPass));

　　//request.Headers.Add("Proxy-Authorization","Basic"+encoded);

　　using(varresponse=request.GetResponse()asHttpWebResponse)

　　using(varsr=newStreamReader(response.GetResponseStream(),Encoding.UTF8))

　　{

　　stringhtmlStr=sr.ReadToEnd();

　　}

　　我这个是使用的动态转发代理，程序不需要自己管理ip池，配置好就可以直接采集数据，这个比较方便节约时间，他们的后台会自动切换ip。只要程序跑起来采集到数据就是代理用上了。不过这个需要看业务需求，如果需要自己管理ip池，自己控制ip的使用那可以换成api模式的。代理虽然是采集数据的但是程序的反爬策略优化也是不能少的，需要完善自己的爬虫程序，ua，cookie等都需要完善才能更好的采集数据。