代理ip

>

换ip软件

>

http代理

>

ip代理

您的位置:首页 > 新闻资讯 > 文章内容
HTTP代理是如何爬取数据的
来源:网连代理 作者:admin 时间:2019-07-16 16:50:55

  HTTP代理是如何爬取数据的?HTTP代理存在2种形式,下面为大家简单的介绍一下。


  第一种为普通代理。这种http代理扮演得是一个中介得角色,对于链接到他的客户端来说,他就是服务器,而对于服务端来说他就是客户端。他的任务就是负责两个端口之间传送http报文。


  第二种为隧道代理。他通过http协议得正文部分(Body)完成通讯,以http的方式实现任意基于TCP的应用层协议代理。这种代理使用http的connect方法建立链接。


  普通代理


  第一种web代理原理是:


  HTTP 客户端向代理发送请求报文,代理服务器需要正确地处理请求和连接(例如正确处理 Connection: keep-alive),同时向服务器发送请求,并将收到的响应转发给客户端。


  下面这张图片来自于《HTTP 权威指南》,直观地展示了上述行为:


HTTP代理是如何爬取数据的


  假设客户通过代理网站访问A网站,对于A来讲他会把代理当作客户端,真正的网民使用的真实地址,他是察觉不到的,完全实现隐藏,而客户端IP的目的。也可以修改http头部,通过X-Forwarded-IP 这样的自定义头部告知服务端真正的客户端IP。但服务器无法验证这个自定义头部真的是由代理添加,还是客户端修改了请求头,所以从 HTTP 头部字段获取 IP 时,需要格外小心。


  给浏览器显式的指定代理,需要手动修改浏览器或操作系统相关设置,或者指定 PAC(Proxy Auto-Configuration,自动配置代理)文件自动设置,还有些浏览器支持 WPAD(Web Proxy Autodiscovery Protocol,Web 代理自动发现协议)。显式指定浏览器代理这种方式一般称之为正向代理,浏览器启用正向代理后,会对 HTTP 请求报文做一些修改,来规避老旧代理服务器的一些问题。还有一种情况是访问 A 网站时,实际上访问的是代理,代理收到请求报文后,再向真正提供服务的服务器发起请求,并将响应转发给浏览器。这种情况一般被称之为反向代理,它可以用来隐藏服务器 IP 及端口。一般使用反向代理后,需要通过修改 DNS 让域名解析到代理服务器 IP,这时浏览器无法察觉到真正服务器的存在,当然也就不需要修改配置了。反向代理是 Web 系统最为常见的一种部署方式,例如本博客就是使用 Nginx 的 proxy_pass 功能将浏览器请求转发到背后的 Node.js 服务。


HTTP代理是如何爬取数据的


  隧道代理


  第二种 Web 代理的原理也很简单:


  HTTP 客户端通过 CONNECT 方法请求隧道代理创建一条到达任意目的服务器和端口的 TCP 连接,并对客户端和服务器之间的后继数据进行盲转发。


  下面这张图片同样来自于《HTTP 权威指南》,直观地展示了上述行为:


HTTP代理是如何爬取数据的


  假如我通过代理访问 A 网站,浏览器首先通过 CONNECT 请求,让代理创建一条到 A 网站的 TCP 连接;一旦 TCP 连接建好,代理无脑转发后续流量即可。所以这种代理,理论上适用于任意基于 TCP 的应用层协议,HTTPS 网站使用的 TLS 协议当然也可以。这也是这种代理为什么被称为隧道的原因。


相关文章内容简介
推荐阅读
  • 27 2019-09
    手机电脑如何更换全国各地的IP地址

    有时我们因为各种需要,要经常更换IP地址,有些用户不知道手机电脑怎么使用全国动态IP,其实方法非常简单,使用网连代理软件即可,比手动拨号更换IP地址方便多了,下面跟小编去了解学习

  • 10 2018-12
  • 25 2020-02
    代理ip助力新媒体推广

    现在许多的人都在运用新浪微博、今日头条、抖音、快手等各类短视频app,因而许多企业许多人见到了这当中的商业机会和机会,并且运用自媒体渠道来转型自身的销路,也由于自媒体的飞速发

  • 07 2019-12
    定制IP选择哪家靠谱

    随着网络的迅速发展,一些新兴的行业也跟着发展壮大起来,不断的丰富着人们的生活,例如代理IP,对于做网络营销的人员来说就是一个非常好用便利的工具,这几年代理IP行业的发展也是以

  • 16 2018-11
  • 18 2018-11