在做爬虫时有时会遇到这种情况，最初爬虫正常运行，正常抓取数据，但一段时间后可能会出现错误，如403 Forbidden，这时打开网页可能会看到“您的IP访问频率太高”的提示。出现这种现象的原因是网站采取了一些反爬虫的措施，比如服务器会检测某个IP在单位时间内的请求次数，如果超过这个阈值就会直接拒绝服务，返回一些错误信心，这种情况称为封IP，于是就成功把我们的爬虫禁掉了。
服务器检测的是某个IP单位时间的请求次数，我们可以借助某种方式伪装我们的IP，让服务器识别不出是由我们本机发出的请求，这样就可以成功防止封IP了。使用代理是一种十分有效的方法，我们可以使用它来成功伪装IP，避免本机IP被封的情况。
1.基本原理
我们常说的代理指的是代理服务器，英文名Proxy Server，它的功能是代理网络用户去取得网络信息，形象的说就是网络信息的中转站。正常请求网页时是本机直接发送Request给Web服务器，Web服务器把Response传回。如果设置了代理，实际就是在本机和服务器支架搭了一个桥，本机不会直接向Web服务器发起请求，而是向代理发出请求，Request会发给代理服务器，然后由代理服务器在发给Web服务器，然后由代理服务器将Web服务器返回的Response转发给本机，这样我们同样可以正常访问网页，但这个过程Web服务器识别出的真实IP不是本机的IP了，这就成功实现了IP伪装。
2.代理的作用
列举如下：
突破自身IP限制，访问一些平时不能访问的站点
访问一些单位或团体的内部资源，如使用教育网内地址段免费代理服务器，就可以用于对教育网开放的各类FTP下载上传，以及各类资料查询共享服务等
提高访问速度，通常代理服务器都设置一个较大的硬盘缓冲区，当有外界的信息通过是，同时也将其保存到缓冲区中，当其他用户再访问相同信息时，直接从缓冲区中取出信息传给用户，以提高访问速度
隐藏真实IP，上网者也可以通过这种方法隐藏自己的IP，免受攻击，对于爬虫来说用代理就是为了隐藏自身IP，防止自身IP被封锁。
3.爬虫代理
对爬虫来说，由于爬虫爬取速度过快，在爬取过程中可能会遇到同一个IP访问过于频繁的问题，网站就会让我们输入验证码或登录或直接封锁IP，这样会给爬取带来极大的不便。
使用代理隐藏IP，让服务器误以为是代理服务器在请求自己，在爬取过程中通过不断更换代理，就不会被封锁，可以达到很好的爬取效果。
4.代理分类
代理分类可以根据协议区分也可以根据匿名程度区分，总结如下：
根据协议区分
FTP 代理服务器，主要用于访问 FTP 服务器，一般有上传、下载以及缓存功能，端口一般为 21、2121 等。
HTTP 代理服务器，主要用于访问网页，一般有内容过滤和缓存功能，端口一般为 80、8080、3128 等。
SSL/TLS 代理，主要用于访问加密网站，一般有 SSL 或 TLS 加密功能（最高支持 128 位加密强度），端口一般为 443。
RTSP 代理，主要用于 Realplayer 访问 Real 流媒体服务器，一般有缓存功能，端口一般为 554。
Telnet代理，主要用于 telnet 远程控制（黑客入侵计算机时常用于隐藏身份），端口一般为23。
POP3/SMTP 代理，主要用于 POP3/SMTP 方式收发邮件，一般有缓存功能，端口一般为 110/25。
SOCKS代理，只是单纯传递数据包，不关心具体协议和用法，所以速度快很多，一般有缓存功能，端口一般为1080。SOCKS 代理协议又分为 SOCKS4 和 SOCKS5，SOCKS4 协议只支持 TCP，而 SOCKS5 协议支持 TCP 和 UDP，还支持各种身份验证机制、服务器端域名解析等。简单来说，SOCK4能做到的SOCKS5都可以做到，但SOCKS5能做到的SOCK4不一定能做到。
根据匿名程度区分
高度匿名代理，高度匿名代理会将数据包原封不动的转发，在服务端看来就好像真的是一个普通客户端在访问，而记录的 IP 是代理服务器的 IP。
普通匿名代理，普通匿名代理会在数据包上做一些改动，服务端上有可能发现这是个代理服务器，也有一定几率追查到客户端的真实 IP。代理服务器通常会加入的 HTTP 头有 HTTP_VIA 和 HTTP_X_FORWARDED_FOR。
透明代理，透明代理不但改动了数据包，还会告诉服务器客户端的真实 IP。这种代理除了能用缓存技术提高浏览速度，能用内容过滤提高安全性之外，并无其他显著作用，最常见的例子是内网中的硬件防火墙。
间谍代理，间谍代理指组织或个人创建的，用于记录用户传输的数据，然后进行研究、监控等目的代理服务器。
4.常见代理设置
使用网上的免费代理，最好使用高匿代理，使用前抓取下来筛选一下可用代理，也可以进一步维护一个代理池。
使用付费代理服务，网上存在许多代理商，可以付费使用，质量比免费代理好很多。
ADSL拨号，拨一次号换一个IP，稳定性高，也是一种比较有效的解决方案。
