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
  • 18 2018-12
  • 30 2020-07
  • 05 2019-09
    如何构建爬虫代理服务

    做过爬虫的人应该都知道,抓的网站和数据多了,如果爬虫抓取速度过快,免不了触发网站的防爬机制,几乎用的同一招就是封IP。解决方案有2个:1、同一IP,放慢速度(爬取速度慢) 2、使用代

  • 19 2019-11
    如何选择一家靠谱的代理IP平台

    用户对代理IP的需求量越来越大,代理IP服务供应商也越来越多,这意味着有更多的选择的同时,也意味着选择一家靠谱的代理IP服务商更加不容易。那么如何选择一家靠谱的代理IP平台呢?

  • 20 2019-08
    网络推广用代理IP更加方便

    网络的发展让网络推广也走入人们的视线,大家都已经不再陌生。但很多网站都会对频繁发消息或者注册做出限制,就是为了控制发广告的。但一般都是IP限制,代理IP就是好帮手。所以说,网

  • 17 2020-01
    怎么提高爬虫的采集效率

    大家都知道采集数据是要花时间,可是也不能一直等着,尤其是需要采集大量数据的情况下。那么如何提高爬虫采集效率就是十分关键的,那小编带大伙儿一块去了解怎么提高爬虫的采集效率这