五、代理的基本原理
5.1 基本原理
代理实际上是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的网络信息。形象的说,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,单这个过程中Web服务器识别出真实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。
5.2 代理的作用
- 突破自身IP访问限制;
- 访问一些单位或团体内部资源;
- 提高访问速度;
- 隐藏真实IP。
5.3 爬虫代理
对于爬虫来说,由于爬虫爬取速度过快,在爬取过程中可能遇到同一个IP访问过于频繁的问题,此时网站就会让我们输入验证码登录或者直接封锁IP,这样会给爬取带来极大地不便。
使用代理隐藏真实的IP,让服务器误以为是代理服务器在请求自己。这样在爬取过程中通过不断更换代理,就不会被封锁,可以达到很好的爬取效果。
5.4 代理分类
5.4.1 根据协议区分
- FTP代理服务器
- HTTP代理服务器
- SSL/TLS代理
- RTSP代理
- Telnet代理
- POP3/SMTP代理
- SOCKS代理
5.4.2 根据匿名程度区分
- 高度匿名代理
- 普通匿名代理
- 透明代理
- 间谍代理
5.5 常见代理设置
- 使用网站的免费代理:最好使用高匿代理,另外可用的代理不多,需要在使用前筛选一下可用代理,也可以进一步维护一个代理池;
- 使用付费代理服务:互联网上存在许多代理商,可以付费使用,质量比免费代理好很多;
- ADSL拨号:拨一次号换一次IP,稳定性高,也是一种比较有效的解决方案。