Puppeteer 走代理却 403 咋查？

本文属于 代理检测完全指南 系列，聚焦 Puppeteer 浏览器自动化层的代理冒烟验收。

Puppeteer 接代理后 page.goto 403、curl 却 200，多是 launch 参数写错层或漏调 page.authenticate()。本文给出 15 分钟最小冒烟脚本，在写选择器前拦住坏池。

凭证与 launch 参数

Puppeteer 的代理分两层：无认证时只需 --proxy-server=http://host:port；带用户名密码时 server 里不要写 user:pass@，改用 page.authenticate({ username, password })（见 Puppeteer 官方文档）。把厂商导出的 host:port:user:pass 整段塞进 --proxy-server，Chromium 会直接解析失败，表现是全站超时而非明确的 407。

生产环境还常遇到协议前缀遗漏：--proxy-server=proxy.example.com:8080 缺 http:// 时，部分 Chromium 版本会静默回退直连。养成写全 URI 的习惯，并在冒烟日志里打印 launch args，避免「本地 Mac 能跑、Linux CI 全挂」的环境差异。

若你刚搭 Python 爬虫环境，可先读 Python 爬虫代理配置 理清 URI 格式；本文解决的是浏览器自动化层怎么验。

推荐用环境变量注入，接入前先跑 30 秒 curl 对照（期望 origin 与后续 Puppeteer httpbin 页一致）：

export PROXY_HOST="proxy.example.com"
export PROXY_PORT="8080"
export PROXY_USER="your_user"
export PROXY_PASS="your_pass"
export PROXY_URL="http://${PROXY_USER}:${PROXY_PASS}@${PROXY_HOST}:${PROXY_PORT}"

curl -x "$PROXY_URL" -s https://httpbin.org/ip
# SOCKS5：--proxy-server 只写 socks5://host:port，凭证仍用 page.authenticate()

curl 能通、Puppeteer 407 的典型原因是 authenticate 漏调或 username 多空格。建议在脚本开头打印三元组 host/port/user（不打印密码），上线排错时能秒定位配置漂移。

最小冒烟脚本（ESM）

下面脚本连测 httpbin、目标站首页与列表页，打印状态码与最终 URL。跑通后再对照 008ip 代理检测 报告的出口 IP 与 Geo。

// smoke-puppeteer-proxy.mjs
import puppeteer from "puppeteer";

const PROXY = `${process.env.PROXY_HOST}:${process.env.PROXY_PORT}`;
const TARGETS = [
  "https://httpbin.org/ip",
  "https://your-target.com/",
  "https://your-target.com/list?page=1",
];

const browser = await puppeteer.launch({
  headless: true,
  args: [`--proxy-server=http://${PROXY}`],
});
const page = await browser.newPage();
if (process.env.PROXY_USER) {
  await page.authenticate({
    username: process.env.PROXY_USER,
    password: process.env.PROXY_PASS,
  });
}

for (const url of TARGETS) {
  const t0 = Date.now();
  const resp = await page.goto(url, { waitUntil: "domcontentloaded", timeout: 30000 });
  console.log(url, resp?.status() ?? "NAV_FAILED", page.url(), `${Date.now() - t0}ms`);
}
await browser.close();

httpbin 的 origin 应与 008ip 报告一致；httpbin 200 但目标站 403 说明 IP 已被风控标记。动态池建议连跑 10 次记录 403 分布——详见 爬虫项目代理检测流程。冒烟只证明当前能通，不能替代 50 次批量抽样。

与 Playwright 对比验收点

Puppeteer 与 Playwright 都走 Chromium，须在浏览器上下文注入出口。Playwright 用 newContext({ proxy }) 一次配齐；Puppeteer 拆成 args + authenticate，容易漏一步。可对照 Scrapy/Playwright 代理预检 的 5 项 checklist 交叉验证。

• headless 对照：加跑 headless: false，对比出口 IP 与状态码
• 跳转链：打印 page.url()，不只盯初始 status
• 登录态：TARGETS 须含登录页，同一 browser 实例贯穿会话
• Grid 池化场景另见 代理池轮换阈值

上线前 checklist

1. 008ip 报告 Pass：IP 类型、Geo、风控分数符合业务线要求
2. 三连测全绿：httpbin + 首页 + 列表页，10 次采样成功率 >90%
3. 认证层确认：authenticate 已调用，日志无 407
4. 403 率 <5%：小样本超标先查池，勿盲目加 sleep
5. 日志可溯源：每条记录带出口 IP 或代理槽位，便于换池对质
6. CI 可重跑：脚本无硬编码凭证，环境变量注入后可挂 Jenkins/GitHub Actions nightly

新池接入、续费、限流告警三类事件应触发 checklist 重跑；requests 与 Puppeteer 双链路须分别冒烟，出口 IP 不一致时先统一 PROXY_* 环境变量。

常见问题 FAQ