哪种代理适合用于 Web 数据采集？

在 Web 数据采集中为了避免被服务器封锁而通过代理下载的情况很常见。但是，并非所有的代理都适合于 Web 数据采集。下面是鲲鹏数据的技术人员给出的说明。根据 HTTP 代理的匿名性可以将其分为以下几种：1. 透明代理（Transparent Proxies）目标服务器能够检测到真实的源 IP。目标服务器根据 HTTP 请求头进行检测，判断依据：REMOTE_ADDR = 代理服务器 IPHTTP_VIA = 通常为代理服务器 IP（或代理软件名称，也可能无此头）HTTP_X_FORWARDED_FOR = 真实源 IP（不用代理时，无此头或值为空）PS：该类型代理不适合用于 Web 数据采集。

2. （普通）匿名代理（Anonymous Proxies）目标服务器无法检测到真实的源 IP，但能够检测到使用了代理。检测依据：REMOTE_ADDR = 代理服务器 IPHTTP_VIA = 通常为代理服务器 IP（或代理软件名称，也可能无此头）HTTP_X_FORWARDED_FOR = 代理服务器 IP（知道你使用了代理，但无法得知真实源 IP）PS：该类型代理可以用于 Web 数据采集，但有被检测到的风险。3. 高匿名代理（High Anonymity Proxies -Elite proxies）目标服务器无法检测到你在是使用代理。

检测依据：REMOTE_ADDR = 代理服务器 IPHTTP_VIA = 值为空或无此头HTTP_X_FORWARDED_FOR = 没数值或无此头PS：该类型的代理非常适合用户 Web 数据采集。鲲鹏数据的付费代理方案提供的全部为高匿名类型的代理。另外，不使用代理时发出的头：REMOTE_ADDR =真实源 IPHTTP_VIA = 值为空或无此头HTTP_X_FORWARDED_FOR = 没数值或无此头不过，在检测严格的情况下，即使没有 HTTP_VIA 头和HTTP_X_FORWARDED_FOR 头，如果存在 HTTP_PROXY_CONNECTION 头，会被认为在使用普通匿名代理。我们提供了一个代理类型检测接口，在浏览器中访问该接口即可显示出你当前使用的代理类型（如下图）：http://proxies.site-digger.com/proxy-detect/