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 实名验证

首页 > 新闻资讯 > 深入剖析爬虫所需要的代理IP

深入剖析爬虫所需要的代理IP

来源:IP代理精灵 作者:admin 时间:2019-11-04 13:38:11

深入剖析爬虫所需要的代理IP!析爬虫所需要的代理IP是什么?为什么爬虫需要用到代理ip。爬取某些网站时,我们经常会设置代理 IP 来避免爬虫程序被封。我们获取代IP地址方式通常提取国内的知名ip代理商(ip代理精灵、精灵代理IP、黑洞代理)这些代理商都会提供透明代理,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。

深入剖析爬虫所需要的代理IP

1 代理类型

代理类型一共能分为四种。除了前面提到的透明代理,匿名代理,高匿代理,还有混淆代理。从安全程度来说,这四种代理类型的排序是 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 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 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 IPHTTP_VIA = Proxy IPHTTP_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 IPHTTP_VIA = proxy IPHTTP_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 IPHTTP_VIA = Proxy IPHTTP_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 IPHTTP_VIA = not determinedHTTP_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。推荐阅读:IP代理精灵的作用是什么?

4 代理的选择

普通匿名代理能隐藏客户机的真实 IP,但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。

而高度匿名代理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。

关于“析爬虫所需要的代理IP”相关的内容今天就介绍到这里了,以上内容,仅供分享。

最新资讯

推荐阅读

  1. 09

    2019-05

    爬虫采集时如何使用代理IP?有什么需要注意的?

    在互联网营销时代,数据的获取是做出营销策略制定的重要前提。而以代理IP为基础的爬虫技术是现在较为基础和简便的数据获取手段。那么爬虫采集时如何使用代理IP?有什么需要注意的?下

  2. 20

    2019-09

    Python代理IP成为网络爬虫的宠儿

    Python代理IP成为网络爬虫的宠儿。Python在编程语言中的地位也是无可取代的。据调查显示,最近IEEE Spectrum发布的顶级编程语言交互排行榜中。Python名列第一。不得不说,Python如此傲人的成绩离不

  3. 06

    2019-03

    如何提高网站流量?

    网站访问量也成为网站流量,流量是一个网站建设的关键。流量是访问网站的访客数以及访客浏览的网页数量等指标。如果一个网站没有流量的话,是非常失败的,要怎么做推广,才能带来流量

  4. 04

    2019-12

    浅谈代理ip具有的功能及实现功能的方式

    浅谈代理ip具有的功能及实现功能的方式!ip代理精灵是一款自动更换ip地址的软件,是非常好的ip代理软件,支持并各类上网方式的ip地址自动更换,比如广告联盟、刷单、刷票等。

  5. 06

    2019-11

    如何解决爬虫IP被封禁的问题?

    如何解决爬虫IP被封禁的问题?爬虫以前听上去好厉害好神秘的样子,用好了可以成就像Google、百度这样的索索引擎,用不好可以凭借不恰当的高并发分分钟崩掉一个小型网站。写到这里想到12306

  6. 18

    2020-09

    免费代理IP用起来安全吗

    在工作和生活中,经常会用到代理IP​,比如数据挖掘、品牌监控,网络营销等工作,目标网站会对IP的访问频率和次数等方面作出限制,也就是所谓的反爬策略,所以需要代理IP来协助完成日常