数据采集入门工具栈：VPS、代理、验证码服务怎么搭，每月要花多少钱

想做价格监控、公开数据整理，但不知道从哪开始？一个最小可用的采集工具栈只需要三样：一台允许采集的 VPS、一组合适的代理、一个验证码服务（可选）。本文价格均来自官网，核实于 2026-10-05。

先讲规矩：哪些能采，怎么采

• 看 robots.txt 和网站条款：明确禁止抓取的路径和网站，不要碰。
• 控制频率：单个站点保持低并发、请求之间加间隔，遇到 429/503 就主动退避。
• 只采公开数据：不要绕过登录、付费墙；涉及个人信息时注意 GDPR、《个人信息保护法》等法规。
• 验证码是信号：网站上了验证码，往往说明它不欢迎自动化访问。只在你有权访问的场景使用验证码服务，能用官方 API 就优先用 API。

以上是常识性提醒，不构成法律意见，商业项目请咨询专业人士。

第一层：VPS

最重要的一点：先看服务条款允不允许采集。

目标站在欧美、预算有限，AlphaVPS 就够了；需要从国内稳定连回服务器，再考虑 DMIT。详细对比见《做数据采集用哪家 VPS》。

第二层：代理

按目标站的风控强度选类型：

• 风控弱的站点：数据中心代理。Webshare 免费 10 个，100 个 $2.99/月；Proxy6 独享 IPv4 1 个月 $1.5/个（1–99 个），IPv6 1 个月 $0.258/个（1–9 个）；PrivateProxy 静态数据中心 $3/月起，不限带宽。
• 风控较强的站点：动态住宅代理。DataImpulse $1/GB 且流量永不过期；Novada 住宅 $1.3/GB 起，新用户 $10 买 10GB，轮换数据中心 $0.50/GB。
• 目标站支持 IPv6：IPv6 最便宜，但先确认目标站能用 IPv6 访问。

注意：PrivateProxy 的服务条款禁止绕过验证码和运营虚假账号。如果你的流程需要配合验证码服务，请改用上面其他几家。

更多价格见《便宜代理价格对比》。

第三层：验证码服务（按需）

两家老牌服务的详细对比见《CapSolver 和 2Captcha 对比》。

成本示例：一个小型价格监控项目

假设每月用 10GB 住宅流量、遇到约 2000 次 reCAPTCHA v2：

如果目标站风控弱，把代理换成 Webshare 100 个数据中心 IP（$2.99/月），并且不需要验证码，总成本约 €2.99 + $2.99。

Python 代理配置示例

import time
import requests
from urllib import robotparser

PROXY = "http://USERNAME:PASSWORD@PROXY_HOST:PORT"   # 换成代理商后台给的地址
proxies = {"http": PROXY, "https": PROXY}
HEADERS = {"User-Agent": "MyPriceBot/1.0 (contact: [email protected])"}

rp = robotparser.RobotFileParser("https://example.com/robots.txt")
rp.read()

for url in ["https://example.com/item/1", "https://example.com/item/2"]:
    if not rp.can_fetch(HEADERS["User-Agent"], url):
        print("robots.txt 不允许：", url)
        continue
    resp = requests.get(url, headers=HEADERS, proxies=proxies, timeout=20)
    print(url, resp.status_code)
    if resp.status_code in (429, 503):
        time.sleep(60)      # 被限流就退避
    time.sleep(2)           # 控制请求频率

用 SOCKS5 代理时，先 pip install "requests[socks]"，地址写成 socks5h://USERNAME:PASSWORD@PROXY_HOST:PORT。

起步建议

先用 Webshare 免费代理或 DataImpulse 的 $5 入门包把脚本跑通，再根据成功率决定是否升级到住宅代理。需要移动 IP 的场景很少出现在采集里，原因见《移动代理是什么》。