代理服务器(Proxy Server),其功能就是代用户去取得网络信息,然后返回给用户。形象的说:它是网络信息的中转站。通过代理IP访问目标站,可以隐藏用户的真实IP。
比如你要抓取一个网站数据,该网站有100万条内容,他们做了IP限制,每个IP每小时只能抓1000条,如果单个IP去抓因为受限,需要40天左右才能采集完,如果用了代理IP,不停的切换IP,就可以突破每小时1000条的频率限制,从而提高效率。
其他想切换IP或者隐藏身份的场景也会用到代理IP,比如SEO等。
代理IP有开放代理也有私密代理,开放代理是全网扫描而来的,不稳定,不适合爬虫,如果自己随便用用还好。用爬虫抓数据,最好使用私密代理。私密代理网上有很多提供商,稳定性参差不齐,现在我们公司使用的是“黑核动态IP”提供的私密代理。
我们公司有个项目是抓取亚马逊数据来进行分析销量、评论等,用PHP进行抓取,抓取亚马逊要特别注意header头,否则输出的数据就是空了。还有一种方法,可以用PHP通过shell_exec来调用curl命令来进行抓取。
function curl_via_proxy($url) { $user_agent = 'curl'; $ch = curl_init($url); //创建CURL对象 curl_setopt($ch, CURLOPT_HEADER, 0); //返回头部 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //返回信息 curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, 3); //连接超时时间 curl_setopt($ch, CURLOPT_TIMEOUT, 5); //读取超时时间 curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); //对认证证书来源的检查 curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false); //从证书中检查SSL加密算法是否存在 curl_setopt($ch, CURLOPT_PROXY, 'proxy.baibianip.com'); //代理服务器地址 curl_setopt($ch, CURLOPT_PROXYPORT, '8000'); //代理服务器端口curl_setopt($ch, CURLOPT_ENCODING,'gzip'); $headers = array('authority:www.amazon.com','upgrade-insecure-requests:1','user-agent:Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3355.4 Safari/537.36','accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8','accept-encoding:gzip, deflate, br','accept-language:zh-CN,zh;q=0.9,en;q=0.8', );curl_setopt($ch, CURLOPT_HTTPHEADER, $headers); $res = curl_exec($ch); $curl_errno = curl_errno($ch); if ($curl_errno) { curl_close($ch); return false; } curl_close($ch); return $res; } var_dump(curl_via_proxy('https://www.amazon.com/dp/B01H2S9F6C'));
Copyright © | 广州网连信息技术有限公司动态ip代理版权所有 备案号:粤ICP备18088888号-15 网站地图