注意: IP代理精灵仅提供国内ip网络节点,不提供境外网络节点,不能用于任何非法用途或访问境外封闭网站,不能跨境联网,只能用于合法的国内网络加速。

请登录 注册

首页 > 新闻资讯 > 爬虫基础之代理的基本原理

爬虫基础之代理的基本原理

来源:IP代理精灵 作者:admin 时间:2019-05-16 14:23:06

简单的说爬虫就是获取网页并提取和保存信息的自动化程序。下文为大家梳理了爬虫基础之代理的基本原理,一起来了解看看吧!

爬虫基础之代理的基本原理

1. 基本原理


代理实际上指的就是代理服务器,英文叫作proxy server,它的功能是代理网络用户去取得网络信息。形象地说,它是网络信息的中转站。在我们正常请求一个网站时,是发送了请求给Web服务器,Web服务器把响应传回给我们。如果设置了代理服务器,实际上就是在本机和服务器之间搭建了一个桥,此时本机不是直接向Web服务器发起请求,而是向代理服务器发出请求,请求会发送给代理服务器,然后由代理服务器再发送给Web服务器,接着由代理服务器再把Web服务器返回的响应转发给本机。这样我们同样可以正常访问网页,但这个过程中Web服务器识别出的真实IP就不再是我们本机的IP了,就成功实现了IP伪装,这就是代理的基本原理。


2. 代理的作用


那么,代理有什么作用呢?我们可以简单列举如下。


突破自身IP访问限制,访问一些平时不能访问的站点。


访问一些单位或团体内部资源:比如使用教育网内地址段免费代理服务器,就可以用于对教育网开放的各类FTP下载上传,以及各类资料查询共享等服务。


提高访问速度:通常代理服务器都设置一个较大的硬盘缓冲区,当有外界的信息通过时,同时也将其保存到缓冲区中,当其他用户再访问相同的信息时,则直接由缓冲区中取出信息,传给用户,以提高访问速度。


隐藏真实IP:上网者也可以通过这种方法隐藏自己的IP,免受攻击。对于爬虫来说,我们用代理就是为了隐藏自身IP,防止自身的IP被封锁。


3. 代理分类


代理分类时,既可以根据协议区分,也可以根据其匿名程度区分。


(1) 根据协议区分


根据代理的协议,代理可以分为如下类别。


FTP代理服务器:主要用于访问FTP服务器,一般有上传、下载以及缓存功能,端口一般为21、2121等。


HTTP代理服务器:主要用于访问网页,一般有内容过滤和缓存功能,端口一般为80、8080、3128等。


SSL/TLS代理:主要用于访问加密网站,一般有SSL或TLS加密功能(最高支持128位加密强度),端口一般为443。


RTSP代理:主要用于访问Real流媒体服务器,一般有缓存功能,端口一般为554。


Telnet代理:主要用于telnet远程控制(黑客入侵计算机时常用于隐藏身份),端口一般为23。


POP3/SMTP代理:主要用于POP3/SMTP方式收发邮件,一般有缓存功能,端口一般为110/25。


SOCKS代理:只是单纯传递数据包,不关心具体协议和用法,所以速度快很多,一般有缓存功能,端口一般为1080。SOCKS代理协议又分为SOCKS4和SOCKS5,前者只支持TCP,而后者支持TCP和UDP,还支持各种身份验证机制、服务器端域名解析等。简单来说,SOCK4能做到的SOCKS5都可以做到,但SOCKS5能做到的SOCK4不一定能做到。


(2) 根据匿名程度区分


根据代理的匿名程度,代理可以分为如下类别。


高度匿名代理:会将数据包原封不动地转发,在服务端看来就好像真的是一个普通客户端在访问,而记录的IP是代理服务器的IP。


普通匿名代理:会在数据包上做一些改动,服务端上有可能发现这是个代理服务器,也有一定几率追查到客户端的真实IP。代理服务器通常会加入的HTTP头有HTTP_VIA和HTTP_X_FORWARDED_FOR。


透明代理:不但改动了数据包,还会告诉服务器客户端的真实IP。这种代理除了能用缓存技术提高浏览速度,能用内容过滤提高安全性之外,并无其他显著作用,最常见的例子是内网中的硬件防火墙。


间谍代理:指组织或个人创建的用于记录用户传输的数据,然后进行研究、监控等目的的代理服务器。


4. 常见代理设置


使用网上的免费代理:最好使用高匿代理,另外可用的代理不多,需要在使用前筛选一下可用代理,也可以进一步维护一个代理池。


使用付费代理服务:互联网上存在许多代理商,可以付费使用,质量比免费代理好很多。


ADSL拨号:拨一次号换一次IP,稳定性高,也是一种比较有效的解决方案。


最新资讯

推荐阅读

  1. 23

    2019-04

    如何获取高匿代理IP资源

    我们都知道,代理IP分为透明代理、普匿代理和高匿代理,其中透明代理会被目标服务器识别并知晓真实IP,普匿代理会被目标服务器识别使用了代理但并不知道真实IP,高匿代理不会被服务器知

  2. 17

    2019-10

    动态ip拨号VPS的AB段是什么意思?

    动态ip拨号VPS的AB段是什么意思?随着互联网需求的增加,很多公司和个人都在使用动态拨号VPS,但是有些用户看到拨号vps介绍里面ip段标的几A段、几AB段,却不懂其含义,IPV4协议里面一个完整的ip

  3. 18

    2019-04

    重启路由器可以换IP吗

    想换IP有哪些方法可以实现?有时候IP被限制了,怎么换IP访问,重启路由器可以换IP吗?一般家庭的基于PPPOE拨号方式上网的,使用的是动态IP,可以更换IP,下面一起去看看如何重启路由器:

  4. 20

    2019-05

    代理服务器的使用用途有哪些?

    如今,代理服务器广泛应用于我们的工作和生活中,那么,到底代理服务器的使用用途有哪些?代理服务器用于多种用途,包括:· 网络抓取 一些在线操作需要大规模的数据挖掘。提供销售线

  5. 13

    2021-01

    文章转阅如何才能提高ip点击率呢

    文章转阅如何才能提高ip点击率呢?如果是单纯提高点击率的话,外显页必须得做好。

  6. 23

    2019-10

    判断代理IP的设置是否已经生效的方法

    判断代理IP的设置是否已经生效的方法!一些新用户在使用代理ip时不知道自己获取的代理ip是否有效,也不知道自己设置的代理IP是否已经生效,其实判断代理ip是否生效也并不难,今天精灵代