【Python3 爬虫学习笔记】爬虫基础 6 ——代理的基本原理

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。