更多>>关于我们
西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效获取互联网任何公开可见信息。
您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。
数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。
更多>>技术文章
意思是想用nginx实现一个二级代理,nginx要将接收到的客户端数据转发给另外一个http代理服务器(并将代理服务器返回的数据转发给客户端)。
答案是不行。下文中为了区别将标准的HTTP代理简称为“正向代理”,将Nginx反向代理简称为“反向代理”。
nginx不支持标准的HTTP代理规范。主要是在HTTP请求的URL上有区别,正向代理要求必须使用绝对路径(全路径)URL,而反向代理使用的是相对路径。
1)下面是curl加正向代理(curl -x user:pass@ip:port http://www.baidu.com)后发出的HTTP请求报文(每行后面那个点是ngrep自动添加上的):
GET http://www.baidu.com HTTP/1.1.
Proxy-Authorization: Basic dGVzdDphMWIyYzM=.
User-Agent: curl/7.27.0.
Host: www.baidu.com.
Accept: */*.
Proxy-Connection: Keep-Alive.
我们可以看到GET之后的路径是绝对路径http://www.baidu.com ,而不是/。
2)下面是nginx反向代理发出的HTTP请求报文:
GET / HTTP/1.0.
Host: www.baidu.com.
Proxy-Authorization: Basic dGVzdDphMWIyYzM=.
Connection: close.
User-Agent: curl/7.15.5 (x86_64-redhat-linux-gnu) libcurl/7.15.5 OpenSSL/0.9.8b zlib/1.2.3 libidn/0.6.5.
Pragma: no-cache.
Accept: */*.
Proxy-Connection: Keep-Alive.
我们可以看到GTE之后的路径是相对路径/。这和浏览器直接访问http://www.baidu.com发出的HTTP请求报文很类似。
在RFC7230(https://tools.ietf.org/html/rfc7230#section-5.7)中有如下描述:
When making a request to a proxy, other than a CONNECT or server-wide
OPTIONS request (as detailed below), a client MUST send the target
URI in absolute-form as the request-target.
absolute-form = absolute-URI
An example absolute-form of request-line would be:
GET http://www.example.org/pub/WWW/TheProject.html HTTP/1.1
总结:
1)正向代理服务端和客户端都需要严格遵守HTTP代理的规范。Squid这点做的很好。
2)反向代理的角色实际上是一个浏览器,所以它遵循的是标准的HTTP规范(而不需要遵守HTTP代理规范)。
3)支持二级代理转发的软件首推haproxy。nginx还是老老实实做你的反向代理吧。