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
在多网络接口(即多IP)环境下,如何设置代理程序使用的出口(IP)呢?
这里的出口(IP)指的是代理程序访问目标网站的时候采用的接口(IP),就是目标网站能够检测到的访问者IP。默认情况下,代理程序都是走的默认路由(接口)。
本文的前提是你已经设置好了路由规则,每个接口(IP)都能正常的工作了,如何你还不清楚如何设置多IP环境下的路由,可以参考这篇文章:http://www.plugged.in/linux/add-multiple-gateways-multiple-nics-ubuntu-server.html
1. Squid
Squid无疑是Linux下代理软件的王者,以功能强大和稳定闻名天下。它提供了tcp_outgoing_address选项,用于指定使用特定的出口IP。
直接看官方文档(http://www.squid-cache.org/Doc/config/tcp_outgoing_address/)里面的例子(如下):
acl normal_service_net src 10.0.0.0/24 acl good_service_net src 10.0.2.0/24 tcp_outgoing_address 10.1.0.1 normal_service_net tcp_outgoing_address 10.1.0.2 good_service_net
不难理解,目的是让:来自接口10.0.0.0/24段的请求,通过10.1.0.1接口访问目标网站;来自接口10.0.2.0/24段的请求,通过 10.1.0.2接口访问目标网站。
2. Tinyproxy
Tinyproxy的主页在这里:http://tinyproxy.github.io,源码在这里:https://github.com/tinyproxy/tinyproxy。
它的特定是简单易用,不需要复杂的配置,它的参数也很容易理解。
它提供了一个BindSame参数,当其值为yes时,出口将采用和入口相同的IP。例如,服务器上存在某IP 61.134.1.4,当你请求该IP对应的Tinyproxy代理时,Tinyproxy也通过61.134.1.4出口访问目标网站。
3. DeleGate
好多人对DeleGate不熟悉,但是它功能异常强大,它不但支持HTTP协议,还支持FTP, SMTP, POP, IMAP, Telnet, SOCKS, DNS等多种协议。它的主页是:http://delegate.hpcc.jp/delegate/。
由于网上DeleGate相关的资料比较少,加之它的文档(http://delegate.hpcc.jp/delegate/Manual.shtml)比较复杂,在很长的一段时间里我们都以为它不支持指定出口IP。抱着试试的态度给作者发了个邮件咨询该问题,没想到作者竟然给回复了。那就是使用SRCIF参数(http://delegate.hpcc.jp/delegate/Manual.shtml?SRCIF),例如,如下是一个启动DeleGate代理完整的命令行实例:
./delegate -P117.40.5.183:8888 SERVER=http PERMIT="*:*:*" AUTHORIZER="-list{test:test}" AUTH=viagen:- ADMIN="redice@163.com" SRCIF="117.40.5.183:*:*:*:*"
DeleGate监听117.40.5.183:8888,并且使用117.40.5.183访问目标网站(SRCIF参数限定出口IP)。
下面是两次对比测试的截图:
所在机器的默认路由接口对应的IP是182.84.192.214。
图1 - 没有使用SRCIF参数指定出口IP。DeleGate代理使用了默认的路由出口访问目标网站(http://httpbin.org/ip),和不使用代理时返回的IP一样,都是182.84.192.214;
图2 - 使用SRCIF参数指定了出口IP为117.40.5.183(和监听的IP相同),DeleGate代理使用了117.40.5.183访问目标网站(http://httpbin.org/ip),返回的IP是117.40.5.183。
顺便说一下,Squid,Tinyproxy以及DeleGate都是开源的。