各类IP代理的原理

64次阅读
没有评论

在爬取某些网站时,我们常会设置代理IP来避免爬虫程序被封,我们获取代理IP地址方式通常有使用IP代理,我们常用的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。

 各类IP代理的原理

 

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服务器就会把REMOTE_ADDR设为代理服务器的IP。

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。client表示客户端的IP地址;proxy1是离服务端远的设备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。

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。

以上就是实现代理IP的三种原理,代理IP在爬虫数据采集工作中有着十分重要的地位,市面上虽然有着许多不需成本的IP代理但是为了爬虫的稳定和顺利,还是建议大家可以从IP数量、匿名性、安全稳定等方面结合自身需求进行深入了解。IPIPGO,国内外220+国家地区,支持自定义提取,HTTP/HTTPS/SOCKS5。

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:代理IP2022-11-24发表,共计1102字。
新手QQ群:570568346,欢迎进群讨论 Python51学习