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
爬虫所需要的爬虫代理ip究竟是什么?
来源:网连代理 作者:admin 时间:2019-08-29 16:25:45

  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。代理ip地址如何获取?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,例如网连代理等等。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究竟是什么


  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。


相关文章内容简介
推荐阅读
  • 16 2019-09
    注册账号可以用代理IP吗

    还在为注册不了账号而发愁吗?那就使用代理IP吧,代理IP可以替换你的用户IP,然后代替你本来的IP去进行访问网站,从而完成注册业务。做网络业务的人一般都知道,大多数的网站都有IP限制

  • 20 2019-08
    爬虫资源问题怎么解决

    在大数据的时间,爬虫业务大家都不再陌生。随着网络的发展,反爬虫也在不断的优化。想突破反爬虫的限制,好的代理IP资源是非常重要的。那么,爬虫资源问题怎么解决呢?解决爬虫资源问

  • 26 2019-09
    怎么判断是否用了高匿代理

    怎么判断是否用了高匿代理?对方服务器不知道你使用了代理,更不知道你的真实IP。高匿名代理访问对方服务器所带的HTTP头信息如下:

  • 13 2018-11
  • 25 2020-02
    正反向代理怎么区分

    代理ip有正向和反向之分,那么我们在实际使用时如何区分正向代理和反向代理,又从哪里获得各种类型的代理IP呢?

  • 06 2019-08
    动态代理ip工具可以解决哪些问题

    动态IP用得比较多,主要是因为IP资源比较少,而且一些项目使用动态IP效果会更好的,比如做一些网站测试、网站功能搭建的时候常常会需要用到一些动态代理IP工具,这样不仅有助于我们搭建