java爬虫IP代理免费获取

本文只简单介绍一下代理ip的获取和使用，并没有介绍java爬虫。

有空再单独开一个系列说爬虫吧。

一、代理ip简介

为了防止IP被网站封掉而不能继续爬取页面，爬虫程序需要不断的更换IP地址等信息，来伪装成一个真实用户。

代理IP的分类：

注：关于代理ip的分类信息来源于互联网。

关于代理IP的话 也分几种 透明代理、匿名代理、混淆代理、高匿代理

1、透明代理(Transparent Proxy)

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”你的IP地址，但是还是可以从HTTP_X_FORWARDED_FOR来查到你是谁。

2、匿名代理(Anonymous Proxy)

REMOTE_ADDR = proxy IP

HTTP_VIA = proxy IP

HTTP_X_FORWARDED_FOR = proxy IP

匿名代理比透明代理进步了一点：别人只能知道你用了代理，无法知道你是谁。

3、混淆代理(Distorting Proxies)

REMOTE_ADDR = Proxy IP

HTTP_VIA = Proxy IP

HTTP_X_FORWARDED_FOR = Random IP address

如上，与匿名代理相同，如果使用了混淆代理，别人还是能知道你在用代理，但是会得到一个假的IP地址，伪装的更逼真。

4、高匿代理(Elite proxy或High Anonymity Proxy)

REMOTE_ADDR = Proxy IP

HTTP_VIA = not determined

HTTP_X_FORWARDED_FOR = not determined

可以看出来，高匿代理让别人根本无法发现你是在用代理，所以是最好的选择。

二、获取代理ip

可以写一个小爬虫来爬取这些免费ip代理网站上的代理IP和端口号。

注意：可用率真的很低，需要再次筛选后才能使用。

分享几个免费IP代理网站：

1、西刺代理

http://www.xicidaili.com/ 

2、66免费代理网

http://www.66ip.cn/ 

3、快代理

http://www.kuaidaili.com/free/ 

4、站大爷（不好用，端口号是图片，不易爬取。不过据说IP的质量还不错）

http://ip.zdaye.com/ 

免费代理ip网站有很多，包括国内的和国外的，但是因为免费，所以可用率低到不行，因此获取之后再筛选是免不了的。

ip代理可以从各种网站上抓取，放到数据库中。

当一个ip地址被封时（检测response中的状态码），从数据库中取出一条新的ip使用。

同时数据库中的ip代理要定时检测是否可用，不可用的ip代理要及时删除。

判断ip代理是否可用：

使用该ip代理来访问一个网址，比如百度的首页，如果response中的状态码为200.说明可以正常访问，则该ip代理是可用的，否则是不可用的。

三、在java爬虫中使用代理ip

使用代理IP的完整实现代码：

package cn.mwxu16.DaiLi_IP;

import java.io.IOException;

import org.apache.http.HttpEntity;

import org.apache.http.HttpHost;

import org.apache.http.client.config.RequestConfig;

import org.apache.http.client.methods.CloseableHttpResponse;

import org.apache.http.client.methods.HttpGet;

import org.apache.http.impl.client.CloseableHttpClient;

import org.apache.http.impl.client.HttpClients;

import org.apache.http.util.EntityUtils;

/*

 * Demo1

 * 使用代理IP

 */

public class Demo1 {

 public static void main(String[] args) throws Exception{

 CloseableHttpClient httpClient = HttpClients.createDefault(); // 创建一个HTTPClient对象 

 HttpGet httpget = new HttpGet("http://www.baidu.com";); // 创建HTTP的get请求实例

 //==========设置代理IP

 HttpHost proxy = new HttpHost("58.243.207.87",9858 ); //设置代理IP的地址和端口号

 RequestConfig config =RequestConfig.custom().setProxy(proxy).build();

 httpget.setConfig(config);

 //===================

 // 设置请求头信息，模拟浏览器，这里使用火狐浏览器的User-Agent

 httpget.setHeader("User-Agent","Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:55.0) Gecko/20100101 Firefox/55.0"); 

 CloseableHttpResponse response = null; // 创建CloseableHttpResponse对象

 response = httpClient.execute(httpget); 

 HttpEntity entity = response.getEntity(); // 获取返回实体（即返回的网页源码）

 System.out.println(EntityUtils.toString(entity, "utf-8")); //输出网页源码

 closeAll(response, httpClient); //释放资源

 }

 // 关闭所有资源

 public static void closeAll(CloseableHttpResponse response, CloseableHttpClient httpClient) {

 // 关闭资源

 try {

 response.close(); // 关闭response

 } catch (IOException e) { // IO异常

 e.printStackTrace();

 }

 try {

 httpClient.close(); // 关闭httpClient

 } catch (IOException e) { // IO异常

 e.printStackTrace();

 }

 }

}