爬虫从入门到精通(12) | 爬虫工程师一定要掌握的技巧-代理IP

目录

一、 为什么要使用代理IP？

 二、代理IP的原理

 三、代理IP的作用

 四、代理IP的分类

​ 1.根据代理的协议区分

 2.根据匿名程度区分

五、在requests模块中如何设置代理

一、 为什么要使用代理IP？

使用自己本地的IP 利用爬虫技术获取某个网站信息的时候，IP 地址突然被封掉，会导致我们正在做的事情受到非常大的影响，甚至造成一定的损失。因此使用代理IP就尤为重要了！

 二、代理IP的原理

代理实际上指的就是代理服务器， 英文叫作proxy server ，它的功能是代理网络用户去取得网络信息。形象地说， 它是网络信息的中转站。在我们正常请求一个网站时， 是发送了请求给web 服务器，web 服务器把响应传回给我们。如果设置了代理服务器， 实际上就是在本机和服务器之间搭建了一个桥， 此时本机不是直接向web 服务器发起请求， 而是向代理服务器发出请求， 请求会发送给代理服务器， 然后由代理服务器再发送给web 服务器， 接着由代理服务器再把web 服务器返回的响应转发给本机。这样我们同样可以正常访问网页， 但这个过程中web 服务器识别出的真实IP 就不再是我们本机的IP 了， 就成功实现了IP 伪装， 这就是代理的基本原理。

 三、代理IP的作用

那么代理ip除了可以保证我们爬虫技术的使用，还有那些作用呢？

• 突破自身IP 访问限制， 访问一些平时不能访问的站点。
• 访问一些单位或团体内部资源： 比如使用教育网内地址段免费代理服务器， 就可以用于对教育网开放的各类FTP 下载上传， 以及各类资料查询共享等服务。
• 提高访问速度： 通常代理服务器都设置一个较大的硬盘缓冲区， 当有外界的信息通过时， 同时也将其保存到缓冲区中， 当其他用户再访问相同的信息时， 则直接由缓冲区中取屮信息传给用户， 以提高访问速度。
• 隐藏真实IP ： 上网者也可以通过这种方法隐藏自己的IP ， 免受攻击。对于爬虫来说， 我们用代理就是为了隐藏自身IP ， 防止自身的被封锁。

 四、代理IP的分类 ​ 1.根据代理的协议区分 服务名介绍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（ 黑客人侵计算机时常用于隐藏身份），端口一般为23POP3/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 / 25SOCKS 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，SOCKS4 能做到的SOCKS5 都可以做到， 但SOCKS5 能做到的SOCKS4 不一定能做到。  2.根据匿名程度区分 代理 介绍高度匿名代理 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IPO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伊代理服务器通常会加人的HITP 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IPO 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。

五、在requests模块中如何设置代理

1.创建一个代理字典

访问的url是http，走的是http

访问的url是https，就不走这个了。

proxies={
    'https':'ip:port',
    'http':'ip:port',
}

2.用get或者post方法请求时候，增加proxies这个参数就可以了

requests.get(url,headers,proxies=proxies)

结束！