Proxy para bots y automatización: una identidad por IP, un ritmo educado y qué hacer ante un CAPTCHA
En este artículo
- 01 Qué hace un proxy por la automatización y qué no
- 02 Cinco reglas que importan más que la IP
- 03 Cuando aparece un desafío, detente y léelo
- 04 Ejemplo: un descargador educado que se detiene ante un desafío
- 05 Rotar la IP con responsabilidad
- 06 Cuántos proxies y cuánto ancho de banda
- 07 Qué no automatizar
- 08 65Proxy
- 09 Preguntas frecuentes
Los scripts, las tareas programadas, los conjuntos de pruebas y la automatización de navegadores envían tráfico que una persona no ha pulsado a mano, y esa es precisamente su razón de ser. Esta guía trata de ejecutar ese tipo de automatización legítima a través de un proxy para que siga siendo fiable: qué aporta un proxy, cinco reglas que importan más que la IP, qué hacer cuando un sitio responde con un CAPTCHA y un ejemplo en Python que detecta un desafío y se detiene limpiamente en lugar de insistir. No trata de saltarse las normas de un sitio, y no te ayudará a hacerlo.
Qué hace un proxy por la automatización y qué no
Ayuda con:
- La ubicación. Ver la página que ve un visitante de Singapur, o probar desde una red móvil de Singapur.
- La separación. Dar a cada cuenta real o a cada tarea su propia dirección, para que la actividad de una sesión no se mezcle con la de otra.
- Un mejor punto de partida. Una IP móvil tiene menos probabilidades de ser marcada a primera vista que una IP de centro de datos, lo que significa menos desafíos antes de que cuente tu propio comportamiento. Consulta proxies limpios y CAPTCHAs.
No ayuda con:
- El permiso. Si un sitio prohíbe la automatización, un proxy no hace que tu script esté permitido.
- El comportamiento. La velocidad, la repetición y un navegador que parece automatizado se leen independientemente de la IP.
- Los CAPTCHAs y los desafíos. Comprueban la visita, no solo la dirección. No vendemos proxies como una forma de superarlos.
El panorama general de qué son los bots y qué tipos son bienvenidos está en qué es el botting.
Cinco reglas que importan más que la IP
- Una identidad por IP y sesión. Mantén las cookies, el user agent y la cuenta junto con la IP con la que empezaron. No pases muchas cuentas por una misma dirección a la vez, y no muevas una cuenta entre direcciones al azar.
- Un ritmo humano, con variación aleatoria. Unos segundos entre páginas, con variación aleatoria, y pocas conexiones en paralelo. Un intervalo fijo es en sí mismo una señal. Hay más detalle en cómo hacer scraping sin que te bloqueen.
- Retrocede cuando te lo pidan. Ante un 429, espera el tiempo de
Retry-Aftery después ve más despacio. No reintentes en un bucle apretado. Los códigos de estado se explican en errores 403, 429 y 503 al hacer scraping. - Identifícate y usa la caché. Usa un User-Agent claro con una dirección de contacto cuando proceda, y no vuelvas a descargar páginas que no han cambiado.
- Para cuando el sitio diga que no. Un desafío que se repite, una página de bloqueo o una petición de que pares es decisión del sitio. Respétala. Consulta la sección siguiente.
Cuando aparece un desafío, detente y léelo
| Lo que recibiste | Lo que suele significar | Qué hacer |
|---|---|---|
| 429 Too Many Requests | Vas demasiado rápido | Espera el Retry-After y después ve más despacio |
| 403 en la primera solicitud, mientras un navegador de la misma red entra | A tu programa le falta lo que envía un navegador, o se rechaza el tipo de IP | Revisa las cabeceras y prueba la IP a mano; consulta errores comunes de proxy |
| Una página de «verificando que eres humano» | El sitio quiere una comprobación del navegador | Usa un navegador real a un ritmo humano, si el sitio permite la automatización |
| Un CAPTCHA de vez en cuando | Tu visita está en la zona gris | Ve más despacio, mantén la sesión coherente, revisa la IP |
| Un CAPTCHA tras otro | El sitio no quiere este tráfico | Detén la ejecución. Pide una API o un permiso |
Dos cosas que parecen soluciones y no lo son:
- Rotar la IP y seguir a la misma velocidad. El sitio ve el mismo ritmo en la dirección nueva. Rotar sirve para una IP que está limitada, no es una forma de ignorar un desafío.
- Usar un servicio de resolución de CAPTCHA. Anula el propósito de la comprobación, incumple las condiciones de la mayoría de los sitios y aumenta tu riesgo legal. Lo desaconsejamos; consulta las líneas que no hay que cruzar.
Si eres una persona que se topa con bucles y no un script, el paso a paso está en El CAPTCHA aparece una y otra vez o entra en bucle: 8 soluciones.
Ejemplo: un descargador educado que se detiene ante un desafío
Este esquema en Python carga páginas a través de tu proxy a un ritmo humano, respeta Retry-After y detiene toda la ejecución en cuanto aparece un desafío. Los datos del proxy vienen de una variable de entorno; no los pongas nunca en el código.
import os
import random
import time
import requests
PROXY = os.environ["PROXY"] # http://USER:PASS@HOST:PORT
HEADERS = {"User-Agent": "my-price-checker/1.0 (contact: [email protected])"}
MAX_TRIES = 3
class Challenged(Exception):
"""The site asked for a human. Stop the run; don't try to solve it."""
def looks_like_challenge(resp):
# Cloudflare marks challenge responses with this header; other vendors differ.
if resp.headers.get("cf-mitigated") == "challenge":
return True
body = resp.text[:20000].lower()
return any(word in body for word in ("captcha", "verify you are human", "unusual traffic"))
def retry_after(resp, default=60):
value = resp.headers.get("Retry-After", "")
return int(value) if value.isdigit() else default
def polite_get(session, url):
for attempt in range(1, MAX_TRIES + 1):
resp = session.get(url, timeout=30)
if looks_like_challenge(resp):
raise Challenged(url)
if resp.status_code == 429:
time.sleep(retry_after(resp) * attempt)
continue
resp.raise_for_status()
return resp
raise RuntimeError(f"still rate limited after {MAX_TRIES} tries: {url}")
def run(urls):
session = requests.Session()
session.headers.update(HEADERS)
session.proxies = {"http": PROXY, "https": PROXY}
for url in urls:
try:
page = polite_get(session, url)
except Challenged:
print("Challenge page. Stopping the run:", url)
break
print(url, len(page.text))
time.sleep(random.uniform(3, 8)) # a human pace, with jitterNotas sobre el esquema: la comprobación de palabras también coincide con una página normal que hable de CAPTCHAs, así que ajusta los marcadores a tu objetivo. Para páginas con mucho JavaScript usa un navegador real en lugar de requests; consulta scraping de sitios con JavaScript. La configuración general para Python está en usar un proxy en Python.
Rotar la IP con responsabilidad
Un proxy 4G rota llamando a su enlace de rotación, y cada proxy de 65Proxy lo permite como máximo una vez cada 5 minutos. Rota cuando una IP esté limitada, no antes de cada solicitud, y empieza una sesión nueva (cookies nuevas) después de rotar, porque el sitio acaba de ver a un visitante nuevo. El código para llamar al enlace y esperar a la nueva IP está en rotar la IP de un proxy con una API.
Cuántos proxies y cuánto ancho de banda
- Un proxy por identidad concurrente. Cuenta las cuentas o tareas que se ejecutan al mismo tiempo, no las que existen. Cuántos proxies necesito lo explica paso a paso.
- Calcula el ancho de banda a partir del tamaño de tus páginas. Multiplica el peso de una página típica por las páginas que cargas. Las cargas desafiadas y repetidas también gastan cupo. Hasta dónde llegan 500GB muestra cómo medirlo.
Qué no automatizar
- Acciones en cuentas que no son tuyas, o cuentas falsas de cualquier tipo.
- Interacción, reseñas y seguidores falsos. Consulta proxy para seeding para ver por qué.
- Saltarse límites de compra y colas, que es lo que explica proxies para ventas flash.
- Bots de juegos que juegan por ti.
- Recopilar datos personales sin una base legal.
65Proxy
65Proxy vende proxies móviles 4G de Singapur para trabajo legítimo: un proxy por pedido con su propio inicio de sesión y enlace de rotación, HTTP y SOCKS5, con un precio de 1 día $4, 7 días $13, 1 mes $32 (200GB cada uno), además de planes mensuales con más ancho de banda (500GB $40, 1TB $65). Prueba uno durante una hora en tu objetivo real primero con la prueba gratuita. No los vendemos como una forma de superar CAPTCHAs, baneos o límites.
Preguntas frecuentes
¿Puede un proxy hacer que mi bot sea indetectable?
No. Un proxy cambia la dirección que ve un sitio. El ritmo, las señales del navegador y el comportamiento se leen por separado, y un sitio puede desafiar a cualquier visitante cuando quiera.
¿Cuántas solicitudes por minuto son seguras?
No hay un número universal. Empieza con una solicitud cada pocos segundos, vigila la proporción de 429 y de desafíos, y ve más despacio cuando aparezcan. Algunos sitios indican un límite en su documentación o en las condiciones de su API; síguelo.
¿Debo rotar la IP en cada solicitud?
No. Rompe las sesiones, resulta poco natural y, con un límite de rotación de 5 minutos en cada proxy, ni siquiera es posible. Rota cuando una IP esté limitada.
¿Qué debe hacer mi script cuando se encuentra con un CAPTCHA?
Detenerse, registrarlo y avisarte. Después revisa tu ritmo, busca una API o pide acceso. El ejemplo anterior muestra la forma.
¿Puedo usar Playwright o Selenium con el proxy?
Sí. Ambos pueden usar un proxy con usuario y contraseña; la configuración para Playwright y Puppeteer está en rotar la IP de un proxy con una API. Las reglas de ritmo y de desafíos se aplican igual.