Python爬虫:为什么要使用IP代理
2019-07-23 09:18
302 查看
版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/humian925097403/article/details/96965639
我们在做爬虫的过程中经常会遇到这样的情况,最初爬虫正常运行,正常抓取数据,一切看起来都是那么美好,然而一杯茶的功夫可能就会出现错误,比如403 Forbidden,这时候打开网页一看,可能会看到“您的IP访问频率太高”这样的提示。出现这种现象的原因是网站采取了一些反爬虫措施。比如,服务器会检测某个IP在单位时间内的请求次数,如果超过了这个阈值,就会直接拒绝服务,返回一些错误信息,这种情况可以称为封IP。 既然服务器检测的是某个IP单位时间的请求次数,那么借助某种方式来伪装我们的IP,让服务器识别不出是由我们本机发起的请求,不就可以成功防止封IP了吗? 一种有效的方式就是使用葵芳IP代理,目前大的的爬虫代理服务商,后面会详细说明代理的用法。在这之前,需要先了解下代理的基本原理,它是怎样实现IP伪装的呢? 1. 基本原理 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。 2. 代理的作用 那么,代理有什么作用呢?我们可以简单列举如下。 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出信息,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IP被封锁。 3. 代理分类 (1) 根据协议区分 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(高的支持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**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) 根据匿名程度区分 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。
相关文章推荐
- Python 爬虫入门—— IP代理使用
- 【Python3.6爬虫学习记录】(十一)使用代理IP及用多线程测试IP可用性--刷访问量
- 使用python为爬虫获取免费代理ip
- 网络大数据爬虫为什么要使用IP代理,代理IP的特点是什么?
- Python 爬虫入门(二)—— IP代理使用
- Python:爬虫使用代理防封IP:HTTP Error 403: Forbidden
- python3实现网络爬虫(7)-- 使用ip代理抓取网页
- 如何使用http/https代理ip 纯手工浏览器(ie 360 谷歌 遨游等等)使用代理Ip 爬虫(python java)如何使用代理ip 附加免费代理ip池
- Python 爬虫入门(二)—— IP代理使用
- python selenium 爬虫,使用代理 ,和 python 爬取代理网站,保存ip
- Python 爬虫入门(二)—— IP代理使用 - 不剃头的一休哥 - 博客园
- Python3 爬虫使用User Agent和代理IP隐藏身份
- 文章正在审核中 为什么使用了爬虫代理ip,真实IP还是被封禁了?
- Python:爬虫使用代理防封IP:HTTP Error 403: Forbidden
- Python 爬虫之使用代理ip
- Python3网络爬虫之使用User Agent和代理IP隐藏身份
- [Python爬虫] 使用urllib2库检测代理ip是否可用,并使用代理提交GET、POST请求
- python爬虫防止IP被封的一些措施(伪造User-Agent ,在每次重复爬取之间设置一个随机时间间隔 ,伪造cookies ,使用代理)
- 鱼c笔记——Python爬虫(三):使用User Agent和代理IP隐藏身份
- Python爬虫抓取代理IP并检验可用性