深度IP转换器
服务时间 :周一至周日 9:00-23:00 电话:400-998-9776 转2
您的位置:首页 > 新闻资讯 > 正文
用代理IP爬虫的那些误解
发布时间:2019年11月29日

  网上看到很多关于代理IP的文章,但是IP精灵发现,有的文章将代理IP的作用鼓吹过大了,导致很多用户以为只要用了代理IP就可以无所不能。其实代理IP的使用也是会受到限制的。

用代理IP爬虫的那些误解

  首先我们来认识,代理IP可以分为多少种?

  代理IP分三种类型:透明代理、普通匿名代理、高级匿名代理。

  高匿、匿名和透明代理的主要区别在于对方服务器获取REMOTE_ADDR、HTTP_X_FORWARDED_FOR、HTTP_VIA三个参数的区别。

  众所周知,REMOTE_ADDR是无法伪造的。

  使用透明代理(Transparent),对方服务器知道你使用了代理,也知道你的真实IP。REMOTE_ADDR = ProxyIP,HTTP_VIA = ProxyIP,HTTP_X_FORWARDED_FOR = YourIP

  使用匿名代理(Anonymous),对方服务器知道你使用了代理,但不知道你的真实IP。REMOTE_ADDR = ProxyIP,HTTP_VIA = ProxyIP,HTTP_X_FORWARDED_FOR = ProxyIP

  使用高匿名代理(High),对方服务器不知道你使用了代理,也不知道你的真实IP。REMOTE_ADDR = ProxyIP,HTTP_VIA = NULL,HTTP_X_FORWARDED_FOR = NULL

  使用透明代理和普通匿名代理会被目标网站得知使用了代理IP,自然会受到限制,高级匿名代理则不会,所以在选择代理IP的时候,要注意这一点。

  IP精灵介绍关于使用HTTP代理IP爬虫采集的认知误区:

  大部分人都知道,在使用爬虫多次爬取同一网站时,经常会被网站的IP反爬虫机制给禁掉,为了解决封禁 IP 的问题通常会使用代理IP。

  但也有一部分人在HTTP代理IP的使用上存在着误解,他们认为使用了代理IP就能解决一切问题,然而实际上代理IP不是万能的,它只是一个工具,如果使用不当,一样会被封IP。

  使用一个代理IP爬取目标网站,被封IP的因素太多,比如cookie,比如User Agent等等,当达到了阈值后,IP就会被封;当访问目标网站的频率过快时,IP也会被封,因为人类正常访问远远达不到那个频率,自然会被目标网站的反爬虫策略识别。

  只有尽量地模拟真实用户正常访问,才能最大程度地避免被封IP。

  所以,以为用了代理IP爬虫肯定没问题的用户需要及时纠正这种想法。多学习爬虫技术以及反爬教程才是正确的做法。