帮助中心

   

热门搜索: 免费续期  推广  永久会员

一篇文章了解爬虫代理IP

什么是爬虫代理IP?简而言之,就是代理IP用于爬虫。那么,为什么代理IP能够帮助爬虫工作开展呢?今天我们带着这个问题来看看能不能够在这篇文章中找到想要的答案。

 

一篇文章了解爬虫代理IP

 

我们先来看代理IP的分类:

 

(1) 根据协议

 

根据代理的协议,代理可以分为如下类别。

 

FTP代理服务器:主要用于访问FTP服务器,一般有上传、下载以及缓存功能,端口一般为21、2121等。

 

HTTP代理服务器:主要用于访问网页,一般有内容过滤和缓存功能,端口一般为80、8080、3128等。

 

SSL/TLS代理:主要用于访问加密网站,一般有SSL或TLS加密功能(最高支持128位加密强度),端口一般为443。

 

RTSP代理:主要用于访问Real流媒体服务器,一般有缓存功能,端口一般为554。

 

Telnet代理:主要用于telnet远程控制(黑客入侵计算机时常用于隐藏身份),端口一般为23。

 

POP3/SMTP代理:主要用于POP3/SMTP方式收发邮件,一般有缓存功能,端口一般为110/25。

 

SOCKS代理:只是单纯传递数据包,不关心具体协议和用法,所以速度快很多,一般有缓存功能,端口一般为1080。SOCKS代理协议又分为SOCKS4和SOCKS5,前者只支持TCP,而后者支持TCP和UDP,还支持各种身份验证机制、服务器端域名解析等。简单来说,SOCK4能做到的SOCKS5都可以做到,但SOCKS5能做到的SOCK4不一定能做到。

 

(2) 根据匿名程度

 

根据代理的匿名程度,代理可以分为如下类别。

 

高度匿名代理:会将数据包原封不动地转发,在服务端看来就好像真的是一个普通客户端在访问,而记录的IP是代理服务器的IP。

 

普通匿名代理:会在数据包上做一些改动,服务端上有可能发现这是个代理服务器,也有一定几率追查到客户端的真实IP。代理服务器通常会加入的HTTP头有HTTP_VIA和HTTP_X_FORWARDED_FOR。

 

透明代理:不但改动了数据包,还会告诉服务器客户端的真实IP。这种代理除了能用缓存技术提高浏览速度,能用内容过滤提高安全性之外,并无其他显著作用,最常见的例子是内网中的硬件防火墙。

 

间谍代理:指组织或个人创建的用于记录用户传输的数据,然后进行研究、监控等目的的代理服务器。

 

而爬虫代理,指的就是爬虫在抓取数据的时候,由于爬虫速度过于块,会出现同一个IP访问过于频繁的问题,此时网站就会出现验证或者是直接封锁本机IP,这样会给数据爬取带来很大的不便

 

使用代理隐藏真实的IP,让服务器误以为是代理服务器在请求自己。这样在爬取过程中通过不断更换爬虫代理IP,就不会被封锁,可以达到很好的爬取效果。

 

通过这一篇文章,大家对代理IP以及爬虫代理有了更深入的理解,希望能够帮助到大家使用。

关闭
19907977089
关注微信公众号,免费送30分钟时长