首页 新闻页 代理IP的原理以及分类有哪些

代理IP的原理以及分类有哪些

本文关键词:IP代理,代理IP,代理IP的原理

在进行目标网站爬虫的时候,我们一般会设置IP代理来防止爬虫程序被反爬虫机制所封锁。我们获取IP代理的地址通常是提取一些IP代理商的免费代理和拨号vps的。这些代理商一般都会提供一些代理IP,有透明的也有匿名的。

这几种代理IP有什么区别?我们应当怎样进行选择?本文的主要内容就是讲解这几种代理IP的原理

1 代理类型

代理IP的类型分为4种。除了之前提过的透明代理,匿名代理,高匿代理,还要混淆代理。从安全角度来说,这四种代理的顺序为 高匿 > 混淆 > 匿名 > 透明。

2 代理原理

代理类型主要取决于代理服务器的配置。不用的配置会形成不同的代理类型。在配置当中,这三个变量 REMOTE_ADDR,HTTP_VIA,HTTP_X_FORWARDED_FOR 是决定性因素。

  1. REMOTE_ADDR REMOTE_ADDR 表示客户端的 IP,但是它的值不是由客户端提供的,而是服务器根据客户端的 IP 指定的。

如果使用浏览器直接访问某网站,那么网站的web服务器(Nginx、Apache等)就会把 REMOTE_ADDR 设为客户端的 IP 地址。

如果是浏览器被设置成代理,我们访问目标的请求会先经过代理IP,然后由代理IP将请求转化到目标网站。那么网站的 web 服务器就会把 REMOTE_ADDR 设为代理服务器的 IP。

2)X-Forwarded-For(XFF) X-Forwarded-For 是一个 HTTP 扩展头部,用来表示 HTTP 请求端真实 IP。当客户端使用了代理时,web 服务器就不知道客户端的真实 IP 地址。为了避免这个情况,代理服务器通常会增加一个 X-Forwarded-For 的头信息,把客户端的 IP 添加到头信息里面。

X-Forwarded-For 请求头格式如下:

X-Forwarded-For: client, proxy1, proxy2 client 表示客户端的 IP 地址;proxy1 是离服务端最远的设备 IP; proxy2 是次级代理设备的 IP;从格式中,可以看出从 client 到 server 是可以有多层代理的。

如果一个 HTTP 请求到达服务器之前,经过了三个代理 Proxy1、Proxy2、Proxy3,IP 分别为 IP1、IP2、IP3,用户真实 IP 为 IP0,那么按照 XFF 标准,服务端最终会收到以下信息:

X-Forwarded-For: IP0, IP1, IP2 Proxy3 直连服务器,它会给 XFF 追加 IP2,表示它是在帮 Proxy2 转发请求。列表中并没有 IP3,IP3 可以在服务端通过 Remote Address 字段获得。我们知道 HTTP 连接基于 TCP 连接,HTTP 协议中没有 IP 的概念,Remote Address 来自 TCP 连接,表示与服务端建立 TCP 连接的设备 IP,在这个例子里就是 IP3。

3)HTTP_VIA via 是 HTTP 协议里面的一个header,记录了一次 HTTP 请求所经过的代理和网关,经过1个代理服务器,就添加一个代理服务器的信息,经过2个就添加2个。

3 代理类型区别

  1. 透明代理(Transparent Proxy) 代理服务器的配置如下:

REMOTE_ADDR = Proxy IP HTTP_VIA = Proxy IP HTTP_X_FORWARDED_FOR = Your IP 透明代理虽然可以直接“隐藏”客户端的 IP 地址,但是还是可以从HTTP_X_FORWARDED_FOR来查到客户端的 IP 地址。

2) 匿名代理(Anonymous Proxy) 代理服务器的配置如下:

REMOTE_ADDR = proxy IP HTTP_VIA = proxy IP HTTP_X_FORWARDED_FOR = proxy IP 匿名代理能提供隐藏客户端 IP 地址的功能。使用匿名代理,服务器能知道客户端使用用了代理,当无法知道客户端真实 IP 地址。

3) 混淆代理(Distorting Proxy) 代理服务器的配置如下:

REMOTE_ADDR = Proxy IP HTTP_VIA = Proxy IP HTTP_X_FORWARDED_FOR = Random IP address 与匿名代理的原理相似,但是会伪装得更逼真。如果客户端使用了混淆代理,服务器还是能知道客户端在使用代理,但是会得到一个假的客户端 IP 地址。

2) 高匿代理(Elite Proxy 或 High Anonymity Proxy) 代理服务器的配置如下:

REMOTE_ADDR = Proxy IP HTTP_VIA = not determined HTTP_X_FORWARDED_FOR = not determined 高匿代理既能让服务器不清楚客户端是否在使用代理,也能保证服务器获取不到客户端的真实 IP 地址。

4 代理的选择

普通匿名的可以隐藏真实的IP地址,但是也可能会改变我们的请求信息,服务器会可能认为我们使用了代理IP。不过在使用这种代理IP的时候,虽然被访问的网站不能知道客户端的IP地址

,但仍然可以知道你在使用代理,当然某些能够侦测 IP 的网页仍然可以查到客户端的 IP。

而高度匿名代理不改变客户机的请求,这样在服务器看来就像有个真正的客户浏览器在访问它,这时客户的真实IP是隐藏的,服务器端不会认为我们使用了代理。

因此,爬虫程序需要使用到代理 IP 时,尽量选择普通匿名代理和高匿名代理。另外,如果要保证数据不被代理服务器知道,推荐使用 HTTPS 协议的代理。

如果考虑付费的话,pptp也是一种不错的选择,独享IP,多条线路可以同时切换,不过这种有点贵。质量要求高的可以用