IP代理软件,http代理,API提取-黑洞HTTP

黑洞HTTP

您的位置: 首页 > 新闻资讯 > HTTP代理 > 正文

HTTP代理是如何爬取数据的

发布时间:2019年04月24日 来源:互联网

  HTTP代理是如何爬取数据的 !存在2种形式,下面为大家简单的介绍一下


  第一种为普通代理。这种http代理扮演得是一个中介得角色,对于链接到他的客户端来说,他就是服务器,而对于服务端来说他就是客户端。他的任务就是负责两个端口之间传送http报文。


  第二种为隧道代理。他通过http协议得正文部分(Body)完成通讯,以http的方式实现任意基于TCP的应用层协议代理。这种代理使用http的connect方法建立链接。


  普通代理


  第一种web代理原理是:


  HTTP 客户端向代理发送请求报文,代理服务器需要正确地处理请求和连接(例如正确处理 Connection: keep-alive),同时向服务器发送请求,并将收到的响应转发给客户端。


  下面这张图片来自于《HTTP 权威指南》,直观地展示了上述行为:

HTTP代理是如何爬取数据的

  假设客户通过代理网站访问A网站,对于A来讲他会把代理当作客户端,真正的网民使用的真实地址,他是察觉不到的,完全实现隐藏,而客户端IP的目的。也可以修改http头部,通过X-Forwarded-IP 这样的自定义头部告知服务端真正的客户端IP。但服务器无法验证这个自定义头部真的是由代理添加,还是客户端修改了请求头,所以从 HTTP 头部字段获取 IP 时,需要格外小心。


  给浏览器显式的指定代理,需要手动修改浏览器或操作系统相关设置,或者指定 PAC(Proxy Auto-Configuration,自动配置代理)文件自动设置,还有些浏览器支持 WPAD(Web Proxy Autodiscovery Protocol,Web 代理自动发现协议)。显式指定浏览器代理这种方式一般称之为正向代理,浏览器启用正向代理后,会对 HTTP 请求报文做一些修改,来规避老旧代理服务器的一些问题。还有一种情况是访问 A 网站时,实际上访问的是代理,代理收到请求报文后,再向真正提供服务的服务器发起请求,并将响应转发给浏览器。这种情况一般被称之为反向代理,它可以用来隐藏服务器 IP 及端口。一般使用反向代理后,需要通过修改 DNS 让域名解析到代理服务器 IP,这时浏览器无法察觉到真正服务器的存在,当然也就不需要修改配置了。反向代理是 Web 系统最为常见的一种部署方式,例如本博客就是使用 Nginx 的 proxy_pass 功能将浏览器请求转发到背后的 Node.js 服务。

HTTP代理是如何爬取数据的

  隧道代理


  第二种 Web 代理的原理也很简单:


  HTTP 客户端通过 CONNECT 方法请求隧道代理创建一条到达任意目的服务器和端口的 TCP 连接,并对客户端和服务器之间的后继数据进行盲转发。


  下面这张图片同样来自于《HTTP 权威指南》,直观地展示了上述行为:


HTTP代理是如何爬取数据的

  假如我通过代理访问 A 网站,浏览器首先通过 CONNECT 请求,让代理创建一条到 A 网站的 TCP 连接;一旦 TCP 连接建好,代理无脑转发后续流量即可。所以这种代理,理论上适用于任意基于 TCP 的应用层协议,HTTPS 网站使用的 TLS 协议当然也可以。这也是这种代理为什么被称为隧道的原因。


相关文章内容简介

1 HTTP代理是如何爬取数据的

  HTTP代理是如何爬取数据的 !存在2种形式,下面为大家简单的介绍一下  第一种为普通代理。这种http代理扮演得是一个中介得角色,对于链接到他的客户端来说,他就是服务器,而对于服务端来说他就是客户端。他的任务就是负责两个端口之间传送http报文。  第二种为隧道代理。他通过http协议得正文部分(Body)完成通讯,以http的方式实现任意基于TCP的应用层协议代理。这种代理使用http的connect方法建立链接。  普通代理  第一种web代理原理是:  HTTP 客户端向代理发送请求报文,代理服务器需要正确地处理请求和连接(例如正确处理 Connection: keep-alive),同时向服务器发送请求,并将收到的响应转发给客户端。  下面这张图片来自于《HTTP 权威指南》,直观地展示了上述行为:  假设客户通过代理网站访问A网站,对于A来讲他会把代理当作客户端,真正的网民 [阅读全文]

热门标签

最新标签

推荐阅读

  1. 08

    2019-03

    如何使用动态ip抓取豆瓣电影数据 ?

    利用爬虫爬取数据已经不是什么新鲜的事了,但你有想过怎么利用爬虫爬取豆瓣上的电影吗?如果不懂的朋友可以看看本文哦。

  2. 23

    2019-03

    免费的爬虫代理ip都不可用是怎么回事?

    我用的是代理IP,主要用于爬虫抓取。方法是打开IE → 找到设置→ 打开 Internet选项→找到连接 点击代理设置在地址栏,填写我们找到的代理IP的区段

  3. 10

    2019-07

    透明IP代理根本能隐藏IP地址吗?

    透明IP代理根本不能隐藏IP地址,这一点估计很多人都没有留意到,动态IP里的“透明”“匿名”“高匿”分别是指?

  4. 11

    2019-04

    代理IP可以帮助猫眼电影、美团、去哪儿等网站反击爬虫吗?

    谈到反爬虫,或许你最先想起的是User-Agent+ Referer检测、验证码、ip访问速度、账号及cookie验证等,这类反爬虫对大家而言根本没有难度可言,完全能利用代理ip加其它的一些措施实现完美的伪装

  5. 09

    2019-08

    如何快速掌握HTTP协议的方法

    HTTP协议在网络中是至关重要的存在,不仅影响着浏览器、爬虫、代理服务器,还对防火墙、CND、微服务等多方便有着不小的影响。由于HTTP协议的规范并不是统一的,需要面对各种软件的版本。

  6. 14

    2019-05

    代理IP软件为需要吸粉的人群带

     接触过互联网营销的人都知道,如今不管从事于什么行业做什么生意都需要吸粉。随着网络事业的发展,有很多依赖于互联网而出现的一些销售和相关行业也开始相继崛起。