在requests模块中使用代理发送请求

正向代理与反向代理的区别

• 反向代理:
  • 服务器端知道代理的存在,反向代理是为了保护服务器或负责负载均衡
  • 但是客户端不知道代理的存在的
• 正向代理:
  • 客户端知道代理的存在,正向代理是为保护客户端,防止追究责任.
  • 但是服务端不知道真实的客户端

根据代理ip的匿名程度，代理IP可以分为下面四类：

• 透明代理(Transparent Proxy)：透明代理虽然可以直接“隐藏”你的IP地址，但是还是可以查到你是谁。

• 匿名代理(Anonymous Proxy)：使用匿名代理，别人只能知道你用了代理，无法知道你是谁。

• 高匿代理(Elite proxy或High Anonymity Proxy)：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。

从请求使用的协议可以分为：

• http代理
• https代理
• socket代理等

不同分类的代理，在使用的时候需要根据抓取网站的协议来选择

代理IP使用的注意点

• 反反爬

  使用代理ip是非常必要的一种反反爬的方式

  但是即使使用了代理ip，对方服务器任然会有很多的方式来检测我们是否是一个爬虫，比如：

  • 一段时间内，检测IP访问的频率，访问太多频繁会屏蔽

  • 检查Cookie，User-Agent，Referer等header参数，若没有则屏蔽

  • 服务方购买所有代理提供商，加入到反爬虫数据库里，若检测是代理则屏蔽

    所以更好的方式在使用代理ip的时候使用随机的方式进行选择使用，不要每次都用一个代理ip

• 代理ip池的更新

  购买的代理ip很多时候大部分(超过60%)可能都没办法使用，这个时候就需要通过程序去检测哪些可用，把不能用的删除掉。

• 使用代理的好处:
  • 让目标服务器以为不是同一个客户端在请求，防止因为同一个ip发送请求过多而被反爬
  • 防止我们的真实地址被泄露，防止被追究,保护自己
• 如何在requests中使用代理

   

  • request.get(url, proxies=proxies)

 

 代码：

   proxies = {
      "http":"http://username:password@ip:端口号"
      "https": "https://username:password@ip:端口号"
   }
   request.get(url, proxies=proxies)