Python爬虫知识点——代理

代理

基本原理

代理实际上指代理服务器。功能是代理 网络用户去取得网络信息，是网络信息的中转站。

正常的请求过程为：发送请求给服务器===>web服务器吧响应传回

设置代理服务器后：>向代理服务器发送请求>请求发送给代理服务器==>再由代理服务器发送web服务器==>由代理服务器把web服务器返回的响应转发给本机

作用

突破自身IP访问限制，访问些平时不能访问的站点。

访问一些单位或团体内部资源:比如使用教育网内地址段免费代理服务器，就可以用于对教育网开放的各类FTP下载上传，以及各类资料查询共享等服务。

提高访问速度:通常代理服务器都设置-一个较大的硬盘缓冲区，当有外界的信息通过时，同时也将其保存到缓冲区中，当其他用户再访问相同的信息时，则直接由缓冲区中取出信息传给用户，以提高访问速度。

隐藏真实IP:上网者也可以通过这种方法隐藏自己的IP，免受攻击。对于爬虫来说，我们用代理就是为了隐藏自身IP,防止自身的IP被封锁。

代理分类

根据代理的协议，代理可以分为如下类别。

• FTP代理服务器:  主要用于访问FTP服务器，一般有上传、 下载以及缓存功能，端口一般为   21、2121等。
• HTTP代理服务器:主要用于访问网页，一般有内容过滤和缓存功能，端口一般为808080、3128 等。
• SSL/TLS代理:主要用于访同加密网站，般有 SsL 或TLS 加密功能(最高支持128位加密强度)，端口一般为443。
• RTSP代理:主要用于访问Real流媒体服务器，一般有缓存功能， 端口般为554。
• Telnet代理: 主要用于tenei远程控制黑客人侵计算机时常用于隐藏身份)，端口一般为23
• POP3/SMTP代理:主要用于POP3/SMTP方式收发邮件，一般有缓存功能，端口-般为1025.口SOCKS代理:只是单纯传递数据包，不关心具体协议和用法，所以速度快很多，一般 有   存功能，端口一般为1080。SOCKS代理协议又分为SOCKS4和SOCKS5,前者只支持TCP而后者支持TCP和UDP，还支持各种身份验证机制、服务器端域名解析等。简单来说SOCKS4能做到的SOCKS5都可以做到，但SOCKSS能做到的SOCKS4不一定能做到。

2.根据匿名程度区分   根据代理的匿名程度，代理可以分为如下类别。

• 高度匿名代理：会将数据包原封不动地转发，在服务端看来就好像真的是一 个普通客户端访问，而记录的IP是代理服务器的IP。

• 普通匿名代理：会在数据包上做一些改动， 服务端上有可能发现这是个代理服务器，也有一定几率追查到客户端的真实IP。代理服务器通常会加人的HTTP头有HTTP_VIA和HTTP_X_FORWARDED_FOR.

• 透明代理：不但改动了数据包，还会告诉服务器客户端的真实IP。这种代理除了能用缓存技术调高浏览速度，能用内容过滤提高安全性之外，并无其他显著作用，最常见的例子是内网中的硬件防火墙。

• 间谍代理：指组织或个人创建的用于记录用户传输的数据， 然后进行研究、监控等目的代理服务器。

  常用代理设置

• 网上的免费代理

• 付费的代理服务

• ADSL拨号