HttpClient使用代理IP

在爬取网页的时候，有的目标站点有反爬虫机制，对于频繁访问站点以及规则性访问站点的行为，会采集屏蔽IP措施。

 

这时候，代理IP就派上用场了。

 

关于代理IP的话 也分几种 透明代理、匿名代理、混淆代理、高匿代理

 

1、透明代理(Transparent Proxy)

 

REMOTE_ADDR = Proxy IP

 

HTTP_VIA = Proxy IP

 

HTTP_X_FORWARDED_FOR = Your IP

 

透明代理虽然可以直接“隐藏”你的IP地址，但是还是可以从HTTP_X_FORWARDED_FOR来查到你是谁。

 

2、匿名代理(Anonymous Proxy)

 

REMOTE_ADDR = proxy IP

 

HTTP_VIA = proxy IP

 

HTTP_X_FORWARDED_FOR = proxy IP

 

匿名代理比透明代理进步了一点：别人只能知道你用了代理，无法知道你是谁。

 

还有一种比纯匿名代理更先进一点的：混淆代理，见下节。

 

3、混淆代理(Distorting Proxies)

 

REMOTE_ADDR = Proxy IP

HTTP_VIA = Proxy IP

HTTP_X_FORWARDED_FOR = Random IP address

 

如上，与匿名代理相同，如果使用了混淆代理，别人还是能知道你在用代理，但是会得到一个假的IP地址，伪装的更逼真：-）

 

4、高匿代理(Elite proxy或High Anonymity Proxy)

 

REMOTE_ADDR = Proxy IP

 

HTTP_VIA = not determined

 

HTTP_X_FORWARDED_FOR = not determined

 

可以看出来，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。

 

一般我们搞爬虫 用的都是 高匿的代理IP；

 

那代理IP 从哪里搞呢 很简单  百度一下，你就知道 一大堆代理IP站点。  一般都会给出一些免费的，但是花点钱搞收费接口更加方便；

 

比如 http://www.66ip.cn/

 

httpClient使用代理IP代码：

package com.demo.httpclient.chap04;
 
 
import org.apache.http.HttpEntity;
import org.apache.http.HttpHost;
import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.util.EntityUtils;
 
public class Demo1 {
 
    public static void main(String[] args)throws Exception {
        CloseableHttpClient httpClient=HttpClients.createDefault(); // 创建httpClient实例
        HttpGet httpGet=new HttpGet("https://www.taobao.com/"); // 创建httpget实例
        HttpHost proxy=new HttpHost("116.226.217.54", 9999);
        RequestConfig requestConfig=RequestConfig.custom().setProxy(proxy).build();
        httpGet.setConfig(requestConfig);
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:50.0) Gecko/20100101 Firefox/50.0");
        CloseableHttpResponse response=httpClient.execute(httpGet); // 执行http get请求
        HttpEntity entity=response.getEntity(); // 获取返回实体
        System.out.println("网页内容："+EntityUtils.toString(entity, "utf-8")); // 获取网页内容
        response.close(); // response关闭
        httpClient.close(); // httpClient关闭
    }
}

 

建议大家用国内代理IP 以及主干道网络大城市的代理IP 访问速度快；