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 > 爬虫所需要的爬虫代理ip是什么

爬虫所需要的爬虫代理ip是什么

来源:IP代理精灵 作者:admin 时间:2019-05-17 13:46:28

当我们对某些网站进行爬去的时候,我们经常会换IP来避免爬虫程序被封锁。其实也是一个比较简单的操作,目前网络上有很多IP代理商,例如ip代理精灵等等。这些代理商一般都会提供透明代理,匿名代理,高匿代理。那么这几种代理的区别是什么?我们该如何选择呢?本文的主要内容是讲解各种代理 IP 背后的原理。

爬虫所需要的爬虫代理ip是什么

1、代理类型


代理IP一共可以分成4种类型。前面提到过的透明代理IP,匿名代理IP,高匿名代理IP,还有一种就是混淆代理IP。最基础的安全程度来说呢,他们的排列顺序应该是这个样子的高匿 > 混淆 > 匿名 > 透明。


2、代理原理


代理类型主要取决于代理服务器端的配置。不同配置会形成不同的代理类型。在配置中,这三个变量REMOTE_ADDR,HTTP_VIA,HTTP_X_FORWARDED_FOR 是决定性因素。


1) REMOTE_ADDR


REMOTE_ADDR 表示客户端的 IP,但是它的值不是由客户端提供的,而是服务器根据客户端的 IP 指定的。


如果使用浏览器直接访问某个网站,那么网站的 web 服务器(Nginx、Apache等)就会把 REMOTE_ADDR 设为客户端的 IP 地址。


如果我们给浏览器设置代理,我们访问目标网站的请求会先经过代理服务器,然后由代理服务器将请求转化到目标网站。那么网站的 web 代理服务器就会把 REMOTE_ADDR 设为代理服务器的 IP。


2)X-Forwarded-For(XFF)


X-Forwarded-For 是一个 HTTP 扩展头部,用来表示 HTTP 请求端真实 IP。当客户端使用了代理时,web 代理服务器就不知道客户端的真实 IP 地址。为了避免这个情况,代理服务器通常会增加一个 X-Forwarded-For 的头信息,把客户端的 IP 添加到头信息里面。


X-Forwarded-For 请求头格式如下:


X-Forwarded-For: client, proxy1, proxy2


client 表示客户端的 IP 地址;proxy1 是离服务端最远的设备 IP; proxy2 是次级代理设备的 IP;从格式中,可以看出从 client 到 server 是可以有多层代理的。


如果一个 HTTP 请求到达服务器之前,经过了三个代理 Proxy1、Proxy2、Proxy3,IP 分别为 IP1、IP2、IP3,用户真实 IP 为 IP0,那么按照 XFF 标准,服务端最终会收到以下信息:


X-Forwarded-For: IP0, IP1, IP2


Proxy3 直连服务器,它会给 XFF 追加 IP2,表示它是在帮 Proxy2 转发请求。列表中并没有 IP3,IP3 可以在服务端通过 Remote Address 字段获得。我们知道 HTTP 连接基于 TCP 连接,HTTP 协议中没有 IP 的概念,Remote Address 来自 TCP 连接,表示与服务端建立 TCP 连接的设备 IP,在这个例子里就是 IP3。


3)HTTP_VIA


via 是 HTTP 协议里面的一个header,记录了一次 HTTP 请求所经过的代理和网关,经过1个代理服务器,就添加一个代理服务器的信息,经过2个就添加2个。


3、代理类型区别


1) 透明代理(Transparent Proxy)


代理服务器的配置如下:


REMOTE_ADDR = Proxy IP


HTTP_VIA = Proxy IP


HTTP_X_FORWARDED_FOR = Your IP


透明代理虽然可以直接“隐藏”客户端的 IP 地址,但是还是可以从HTTP_X_FORWARDED_FOR来查到客户端的 IP 地址。


2) 匿名代理(Anonymous Proxy)


代理服务器的配置如下:


REMOTE_ADDR = proxy IP


HTTP_VIA = proxy IP


HTTP_X_FORWARDED_FOR = proxy IP


匿名代理能提供隐藏客户端 IP 地址的功能。使用匿名代理,服务器能知道客户端使用用了代理,当无法知道客户端真实 IP 地址。


3) 混淆代理(Distorting Proxy)


代理服务器的配置如下:


REMOTE_ADDR = Proxy IP


HTTP_VIA = Proxy IP


HTTP_X_FORWARDED_FOR = Random IP address


与匿名代理的原理相似,但是会伪装得更逼真。如果客户端使用了混淆代理,服务器还是能知道客户端在使用代理,但是会得到一个假的客户端 IP 地址。


2) 高匿代理(Elite  Proxy 或 High Anonymity Proxy)


代理服务器的配置如下:


REMOTE_ADDR = Proxy IP


HTTP_VIA = not determined


HTTP_X_FORWARDED_FOR = not determined


高匿代理既能让服务器不清楚客户端是否在使用代理,也能保证服务器获取不到客户端的真实 IP 地址。


4、代理的选择


普通的匿名代理IP能隐藏客户机的真是IP,但是也会改变我们的请求信息,服务器端有可能会认为我们使用了代理。不过使用此种代理时,虽然被访问的网站不能知道客户端的 IP 地址,但仍然可以知道你在使用代理,当然某些能够侦测 IP 的网页仍然可以查到客户端的 IP。


而不改变客户机的请求,这样在服务器看来就像有个真正的客户浏览器在访问它,这时客户的真实IP是隐藏的,服务器端不会认为我们使用了代理。


因此,爬虫程序需要使用到爬虫代理ip时,尽量选择普通匿名代理和高匿名代理。另外,如果要保证数据不被代理服务器知道,推荐使用 HTTPS 协议的代理。


最新资讯

推荐阅读

  1. 16

    2019-04

    使用HTTP代理服务器的安全性简评

    由于各种原因,在国内上网,免不了要和HTTP代理服务器打交道。HTTP代理服务器分加密代理服务器​和普通代理服务器。如果我们在自己的电脑上运行了某些软件之后就能访问之前不能访问的网

  2. 22

    2019-01

    爬虫使用scrapy模拟登录方法

    在数据爬取时,我们时常使用到爬虫,因为在爬取的过程中会出现反爬虫,我们先要进行突破才能获取到数据。比如IP限制,可以使用IP代理精灵来突破IP限制,顺利的突破网络限制,可以实现多

  3. 07

    2019-05

    动态ip多拨VPS为什么这么便宜

    从目前来看,我们家用宽带一年少则七八百,多则上千元的费用。而ip代理精灵下的拨号VPS,附带一个宽带拨号,却可以做到月付60左右起步的价格,并且还支持日付、周付等更多灵活的付费方

  4. 15

    2019-04

    代理ip对金融数据采集有什么作用

    金融行业经常打交道的文化就是“数字文化”当然金融行业的行业圈子里有自己的数字规则,在整个运行中开展数字运作的一个活动。当然,现在生活条件好了,很多人口袋里的钱也鼓了起来,

  5. 15

    2019-04

    如何有效利用爬虫代理IP采集组织庞大数据

    近几年互联网迅猛发展,用户量节节高升。现在的互联网可以看做一个巨大的数据库资源,深入人们的衣食住行。如何快速采集资源并有组织呈现出来将会是一个很大的难题,同时也是个巨大发

  6. 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

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