Day 143 — 完成清单与练习

✅ 今日清单

• [ ] 阅读 README.md：代理池原理、无头检测、XHR 拦截
• [ ] 运行 code/01-proxy-pool.py，观察评分与淘汰逻辑
• [ ] 安装 Playwright 并运行 code/02-browser-render.py（拦截 JSON 响应）
• [ ] 运行 code/03-fetch-pipeline.py，检查 raw_data.jsonl
• [ ] 回答 5 道思考题

📝 练习题

基础

1. 给 ProxyPool.acquire() 增加"最少使用优先"策略开关，对比两种策略在 100 次模拟取用下的分布差异。
2. 把 check_proxy 的验证目标换成 httpbin 的 /delay/2，验证超时控制是否生效。

进阶

3. 在 02-browser-render.py 中增加请求级代理：让 Playwright 的浏览器流量也走代理池（提示：browser.launch(proxy={"server": ...})）。
4. 页面类型分类器：把 looks_dynamic 的启发式升级为基于特征计数的打分函数（框架挂载点数量、内联 script 数量、HTML 长度），输出 0~1 的"动态概率"。
5. 容错设计：为 pipeline() 增加指数退避重试（最多 3 次，每次切换代理），被封 IP 自动从池中移除——写出完整实现。

🎯 明日预告

Day 144 — 项目 Part 2：验证码处理 + 数据清洗 + 定时调度 + 告警 + 容器化部署。