各种代理IP背后的原理

  1. 云栖社区>
  2. 博客>
  3. 正文

各种代理IP背后的原理

梦蝶数据 2019-04-24 17:06:46 浏览691
展开阅读全文

讲解各种代理IP背后的原理:知道代理IP的人越来越多了,不管是单纯的换IP,还是进行大量的数据采集,或者是游走于灰色之中,都是离不开代理IP这个工具的,但是很少人会关注各种代理IP背后的原理,今天就听小编来给大家普及下吧。

一、代理类型
代理IP一共可以分成4种类型。经常听说的透明代理IP,匿名代理IP,高匿名代理IP,还有一种就是混淆代理IP。最基础的安全程度来说呢,他们的排列顺序应该是这个样子的高匿>混淆>匿名>透明。
二、代理原理
代理类型主要取决于代理服务器端的配置。不同配置会形成不同的代理类型。在配置中,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个网站,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。
如果我们给浏览器设置代理,我们访问目标网站的请求会先经过代理服务器,然后由代理服务器将请求转化到目标网站。那么网站的web代理服务器就会把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代理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RemoteAddress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,RemoteAddress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。
三、代理的选择
普通的匿名代理IP能隐藏客户机的真是IP,但是也会改变我们的请求信息,服务器端有可能会认为我们使用了代理。不过使用此种代理时,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。
而高度匿名代理请添加链接描述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爬虫代理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。

网友评论

登录后评论
0/500
评论
梦蝶数据
+ 关注