爬虫所需要的代理IP究竟是什么

我相信很多没有经验的人，对于代理IP爬虫需要什么都做不了。因此，本文总结了问题产生的原因及解决方法。希望你能通过这篇文章解决这个问题。

在抓取一些网站的时候，我们经常会设置代理IP，避免阻塞爬虫程序。我们获取代理IP地址的方式通常是从国内知名IP代理(如西慈代理、快递代理、无忧代理等)中提取免费代理。).这些代理通常提供透明代理、匿名代理和匿名代理。那么这些代理之间有什么区别呢？我们应该如何选择？主要内容是解释各种代理IP背后的原理。

00-1010座席类型可分为四种。除了前面提到的透明代理、匿名代理、高度隐藏代理和混淆代理。在安全性方面，这四种代理类型的排名是高模糊性、匿名性和透明性。

00-1010代理类型主要取决于代理服务器的配置。不同的配置导致不同的代理类型。在配置上，这三个变量REMOTE_ADDR,HTTP_VIA和HTTP_X_FORWARDED_FOR是决定性因素。

1) REMOTE_ADDR

REMOTE_ADDR指示客户端的IP地址，但是它的值不是由客户端提供的，而是由服务器根据客户端的IP地址指定的。

如果你用浏览器直接访问网站，网络服务器(Nginx，Apache等。)将远程ADDR设置为客户端的IP地址。

如果我们为浏览器设置代理，我们访问目标网站的请求将首先通过代理服务器，然后代理服务器将请求转换为目标网站。网站的网络服务器会将远程ADDR设置为代理服务器的IP。

2）X-Forwarded-For（XFF）

x-forward-For是一个HTTP扩展头，用来表示HTTP请求者的真实IP。当客户端使用代理时，网络服务器不知道客户端的真实IP地址。为了避免这种情况，代理服务器通常会添加一个X-forward-For报头信息，并将客户端的IP地址添加到报头信息中。

转发请求报头格式如下：

x-转发-对于：客户端，代理1，代理2

客户端代表客户端的IP地址；Proxy1是距离服务器最远的设备的IP；Proxy2是辅助代理设备的IP；从格式可以看出，从客户端到服务器可以有多层代理。

如果一个HTTP请求在到达服务器之前经过三个代理Proxy1、Proxy2和Proxy3，IP分别为IP1、IP2和IP3，用户的真实IP为IP0，那么按照XFF标准，服务器最终会收到如下信息：

x-转发-针对：IP0、IP1、IP2

代理3直接连接到服务器，它会将IP2附加到XFF，表示它正在转发代理2的请求。列表中没有IP3，可以从服务器上的远程地址字段获取IP3。我们知道HTTP连接是基于TCP连接的，HTTP协议中没有IP的概念。远程地址来自TCP连接，表示与服务器建立TCP连接的设备的IP，在本例中为IP3。

3）HTTP_VIA

Via是HTTP协议中的一个头，它记录了HTTP请求通过的代理和网关。通过一个代理服务器后，增加一个代理服务器的信息，通过两个后，增加两个代理服务器。

1 代理类型

1) 透明代理(Transparent Proxy)

代理的配置如下：

远程_ ADDR=代理

HTTP _ VIA=ProxyIP

虽然HTTP_X_FORWARDED_FOR=YourIP透明代理可以直接“隐藏”客户端的IP地址，但它仍然可以从HTTP_X_FORWARDED_FOR中找到客户端的IP地址。

2） 匿名代理(Anonymous Proxy)

代理的配置如下：

远程_ ADDR=代理

HTTP _ VIA=proxyIP

HTTP _ X _ FORWARDED _ FOR=proxyIP

（=NationalBureauofStandards）国家标准局

p;

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

普通匿名代理能隐藏客户机的真实 IP，但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。

看完上述内容，你们掌握爬虫所需要的代理IP究竟是什么的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注行业资讯频道，感谢各位的阅读！