注意: IP精灵代理仅提供国内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。

您好,请登录 没有账号?

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. 15

    2019-03

    怎么建立个网络爬虫代理IP池

    独木难成林,爬虫采集也是一样的道理,因此爬虫通常都是使用多线程等方法来增加采集的数据,而多线程的使用也是需要代理IP的,为了满足爬虫的使用,建立代理IP池也是顺理成章的事情。

  2. 23

    2019-01

    换IP可以无限次投票吗?

    网络投票活动非常多,时常有亲朋好友找我们去投票,微信投票也是目前最流行的一种方式,谁能夺冠就看谁的交友圈广,那么其他人怎么办?所有亲戚朋友就拉票了,票数还是不多,但又想有

  3. 04

    2019-06

    HTTP代理IP、HTTPS代理IP和Socks等代理IP的区别

    代理ip的种类较多,有透明代理IP、普通匿名代理、高级匿名代理IP、HTTP代理IP、HTTPS代理IP和Socks代理IP等,那么他们是怎么分类的,这些代理ip之间又有什么区别呢?下面IP代理精灵为大家介绍下

  4. 18

    2019-06

    为什么要用代理服务器

    为什么要用代理服务器?一般会使用代理服务器的用户有两种情况:使用虚拟身份信息或地理位置;访问国内不允许访问的外国网站。设置代理服务器的话,有以下优点。

  5. 30

    2019-03

    IP不足得问题爬虫是怎么解决得,可以用代理IP吗?

    当你利用爬虫爬取网络信息的时候经常会莫名其妙的被目标网站禁止访问,你可以查找以下几个原因:

  6. 09

    2019-05

    网络大数据爬虫为什么要使用IP代理?

    网络大数据爬虫为什么要使用IP代理?现如今大数据是很火热的行业,随着互联网的快速发展,大数据在很多方面都是得到应用,但是大数据信息的获得需要通过数据采集来实现。而爬虫工作者

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961