Лайфхаки

Маленькие, полезные хитрости

Парсинг с использованием

Человек, использующий настоящий браузер, почти никогда не станет запрашивать 20 веб-страниц в секунду из одного и того же веб-сайта. Поэтому если вы хотите запрашивать много веб-страниц из одного и того же веб-сайта, вам нужно заставить веб-сайт полагать, что все эти запросы отправляются из разных точек земного шара, то есть с использованием разных IP-адресов. Другими словами, вам нужно использовать прокси-серверы .

Прокси-сервер на python. Особенности взаимодействия прокси сервера с внешними серверами

Простой парсер прокси на питоне.. Настройка

Для успешной разработки парсинг-агента на прокси-сервере нужно установить Linux с такими инструментами:

TOR: распределенная, анонимная и зашифрованная сеть, в которой данные пользователей и сами пользователи никогда не будут раскрыты.Stem: контроллер Python для TOR.Privoxy: не кеширующий веб-прокси с фильтрацией, повышенной конфиденциальностью и возможностью изменения данных веб-страниц и заголовков HTTP.TOR (установка и настройка)

Установи TOR через терминал:

sudo apt-get update sudo apt-get install tor sudo /etc/init.d/tor restart

Далее:


Делаю парсер страниц на python. Нужно постоянно обходить большое ко-во страниц. Например, 1М в день.
Для этого раньше использовал многопоточность TheadPool. Но когда возросло кол-во требуемых одновременных подключений до 80-100 скрипт начинал падать по памяти.
Почитал, что пишут надо переходить на asyncio.
Накидал простенький скрипт, где беру прокси из файлика, беру url и обхожу их. Для ограничения одновременности испольщую semaphore.
Но столкнулся с тем, что если у меня для прокси доступно, например 50 потоков, то при выборке 200 урлов, первые 50 отработаются правильно, а остальные уйдут в ошибку. Такое ощущение, что семафор не работает или я как то не так использую это.

Человек, использующий браузер, вряд ли будет запрашивать с одного сайта 20 страниц в секунду. Поэтому, если вы собираетесь запрашивать с одного сайта большое количество страниц, то надо заставить сайт думать, что запросы идут от разных пользователей т.е. с разных IP адресов. Другими словами, вам необходимо использовать прокси .

Сегодня прокси стоят не очень дорого: ~ 1 доллар за IP. Однако, если вам нужно делать более чем 10 тысяч запросов в день на одном и том же веб-сайте, то затраты могут сильно вырасти, ведь вам потребуются сотни адресов. Следует учитывать, что IP-адреса прокси-серверов должны постоянно мониториться, чтобы отбросить тот, который выключился, и заменить его.

Последние обновления на сайте:

1. Уровень дохода в США напрямую определяет качество жилья, образовательные возможности и стиль жизни.
2. Большая оранжевая тыква созрела ещё не обязательно.
3. Твоё тело работает 24 часа в сутки без твоего участия.
4. Богатство Пабло эскобара было настолько огромным, что многие истории о нём звучат как вымысел.
5. Депутат Горелкин слухи о блокировке Steam в России развеял.
6. В Дубае существует район, который кажется ошибкой самой реальности.
7. Вселенная скрывает миллиарды планет, многие из которых совсем не похожи на нашу землю.
8. Баклажаны с перцем и чесноком: готовлю целую сковороду, а до утра ничего не остаётся.
9. Мне 37, молодая и здоровая была, но за год постарела.
10. Формировка огурцов. 1. начинаю с нижней части.
11. У меня сложные отношения со свекрами.
12. Признаки дефицита основных макроэлементов у растений - как понять, чего не хватает?
13. Когда мне было 12 лет, в нашей семье появилась стиральная машина - автомат.
14. Брак с разницей в возрасте и роскошные подарки вызвали обсуждения в соцсетях.
15. Кейсы в CS2 и паки Fifa предложили запретить в России.
16. Монтажная пена - один из самых недооценённых и в то же время самых неправильно используемых материалов в строительстве.
17. Знаменитая Анджелина Джоли сделала традиционную татуировку сак янт у мастера в Бангкоке еще в 2004 году.
18. Эти плoды содержат вещества, которые вызывают восстановление тканей, составляющих межпозвонковые мягкие диски.
19. Исследование рост половой дисфункции среди молодого поколения показало.
20. Легенды мирового рока украсили фасады домов в елизаветино.
21. Нетипичные плодовые культуры для северного сада.
22. Ha зaметку! Нaшатырный спирт, пеpeкись водорода, йод - настоящая Находка для рассады томатов, как я провожу подкормки.
23. Пятьcot лет тому нaзад.
24. Один из первых фильмов молодой Анджелины Джоли, ей здесь всего 20 лет.
25. Когда сажать рассаду: лунный посевной календарь на 2026 год по месяцам и советы агрономов.
26. Олеся Иванченко: ослепительная звезда юмора и кино, чья красота завораживает.
27. Ecли розы чахнут и перестают цвести, можно использовать простой раствор на основе пищевой соды для их омоложения.
28. Дo ceрдечного приступа, ваше тело будет вам "Сигнализировать" - вот 5 признаков!
29. Исследование показало, что всего 24 минуты ритмичной музыки в день способны полностью убрать мыслительный шум и снять депрессию.
30. В США появились биохакерские ретриты за 20 тысяч долларов, которые обещают участникам "Дополнительные Годы Жизни".
31. Фигуру дочки Маликова бурно обсуждают в Сети.
32. Heжнeйший пирог 4 стакана.
33. Американская пара оказалась в центре внимания после того, как их новорождённый малыш родился с кожей значительно темнее, чем у обоих родителей.
34. На Youtube нашли ролик, который длится 140 лет - он не имеет звука, картинки и даже названия.
35. Россиянам собираются удвоить норму сверхурочной работы - с нынешних 120 до 240 часов в год.
36. В России обсуждают введение налога на презервативы с целью "Повышения Рождаемости", по примеру Китая.
37. Caлат "Гроздь Винoграда" - эффeктно, быстpo и очень вкусно!
38. Мы применяем просроченные лекарства.
39. Oна есть у кaждого в саду … вeдьмина трава.
40. В свердловской области запустили необычную программу стимулирования рождаемости: теперь за рождение детей будут выдавать ачивки.
41. Девушка решила добавить уюта в дом и сделала своими руками милые ёлочки из дерева.
42. Секс помогает улучшать память - к такому выводу пришли американские учёные.
43. 5 лучших подкормок для огорода - проверено на практике.
44. Как спасти огурцы от мучнистой росы.
45. Выбор беседки для дачи - важное решение, которое зависит от ваших потребностей, стиля участка и бюджета.
46. Полярное сияние возникает, когда высокоэнергетичные частицы солнечного ветра сталкиваются с верхними слоями земной атмосферы.
47. Топ-11 открытых инструментов для веб-скрапинга в 2025 году
48. Топ-10 лучших инстантов для сбора данных 2025: расширения Chrome
49. Веб-скраппинг: 18 лучших инструментов для сбора данных онлайн
50. Топ-8 библиотек для веб-скраппинга на Python в 2025: что лучше выбрать