您的位置:首页 >最新资讯
浅析爬虫代理的原理

  当我们对某些网站进行爬取的时候,我们经常会换IP来避免爬虫程序被封锁。这些代理IP地址是如何获取的呢?其实很简单,目前网络上有很多IP代理商,例如手机ip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。本文就讲讲各种代理IP背后的原理。

浅析爬虫代理的原理

  一、代理类型

  代理IP一共可以分成4种类型,除了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。从基础的安全程度来说呢,他们的排列顺序是高匿 > 混淆 > 匿名 > 透明。

  二、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。

  (一)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。

  (二)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。

  (三)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。

在线咨询
大客户经理
大客户经理
13318873961

大客户经理微信

微信客服

微信客服

微信公众号

微信公众号

回到顶部