代理IP的分類
根據代理ip的匿名程度,代理IP可以分爲下面四類:
透明代理(Transparent Proxy):透明代理雖然可以直接“隱藏”你的IP地址,但是還是可以查到你是誰。
匿名代理(Anonymous Proxy):使用匿名代理,別人只能知道你用了代理,無法知道你是誰。
高匿代理(Elite proxy或High Anonymity Proxy):高匿代理讓別人根本無法發現你是在用代理,所以是最好的選擇。
在使用的使用,毫無疑問使用高匿代理效果最好
從請求使用的協議可以分爲:
- http代理
- https代理
- socket代理等
不同分類的代理,在使用的時候需要根據抓取網站的協議來選擇。
使用注意事項
反反爬
使用代理ip是非常必要的一種反反爬的方式
但是即使使用了代理ip,對方服務器任然會有很多的方式來檢測我們是否是一個爬蟲,比如:
-
一段時間內,檢測IP訪問的頻率,訪問太多頻繁會屏蔽
-
檢查Cookie,User-Agent,Referer等header參數,若沒有則屏蔽
-
服務方購買所有代理提供商,加入到反爬蟲數據庫裏,若檢測是代理則屏蔽
所以更好的方式在使用代理ip的時候使用隨機的方式進行選擇使用,不要每次都用一個代理ip
代理ip池的更新
購買的代理ip很多時候大部分(超過60%)可能都沒辦法使用,這個時候就需要通過程序去檢測哪些可用,把不能用的刪除掉。
使用隨機代理來發送請求
"""使用隨機代理來發送請求"""
import random
import requests
proxies = [
{'http': '121.8.98.198:80'},
{'http': '39.108.234.144:80'},
{'http': '125.120.201.68:808'},
{'http': '120.24.216.39:60443'},
{'http': '121.8.98.198:80'},
{'http': '121.8.98.198:80'}
]
for i in range(0, 10):
proxy = random.choice(proxies)
print(proxy)
try:
response = requests.get("http://www.baidu.com", proxies=proxy, timeout=3)
print(response.status_code)
except Exception as ex:
print("代理有問題: %s" % proxy)