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. 29

    2018-12

    什么是http代理服务器?http代理有什么作用?

    代理服务器(Proxy)是网络信息的中转站,比方说HTTP代理服务器。我们使用网络浏览器直接链接其他Internet站点并取得网络信息时,需送出Request信号来得到回答,然后对方再把信息传送回来。

  2. 17

    2019-07

    代理IP为何会被封?

    出现这种情况是因为很多用户对HTTP代理IP存在一定误解,HTTP代理IP并不是万能的,如果使用不当,一样会被封IP。

  3. 01

    2019-09

    http代理服务器哪家好和http代理爬虫

    每一个经营网站的人员应该都有这样的体会,这几年的白帽SEO越来越难做了,伴随搜索引擎技术的发展,要想通过本分的操作使得网站排名靠前的话,这要花费巨大的精力财力,而且随时还有排

  4. 19

    2019-06

    HTTP代理IP能让用户访问网络不受限吗

    经常从事网络行业的用户对于HTTP代理IP自然不会陌生,由于很多网站访问受限,使人们无法顺利访问一些网站,尤其是做网络爬虫,一旦进了对方网站黑名单,将严重影响数据抓取的工作效率。

  5. 01

    2019-10

    高匿代理ip与普通匿名代理ip的差别

    同样作为匿名代理ip,http代理ip与普通匿名代理ip在使用过程中是有区别的,只是很多用户在使用过程中没有细致观察或者对二者的认识了解不多,因此才造成高匿代理ip与普通匿名代理ip没有区

  6. 02

    2019-06

    免费服务器代理存在的意义是什么?

    免费的东西向来令人趋之若鹜,哪怕这东西没有多大价值甚至毫无价值,“免费”两字本身就散发着令人着迷的魅力。今天要说的是免费服务器代理,它有效率低,速度慢,极不稳定,但它的用