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. Bitget вносит Россию, Казахстан и Беларусь в "Чёрный Список" и закрывает торги.
2. Слепое умиление дикими зверями регулярно стоит туристам сломанных костей и мучительной смерти.
3. Российские пользователи рискуют остаться без реального 5G из-за несовместимости гаджетов.
4. В GTA VI полиция даже ваше лицо и одежду запомнит.
5. Он реально как из детства - густой, насыщенный, чуть сладковатый, чуть острый.
6. Открыла вчера тыкву, а она оказалась огромной.
7. Лаконичная надпись на этикетке парфюма десятки веществ скрывает.
8. Америка узнаётся с первого взгляда - по вещам, ставшим её символами.
9. Ты думаешь, что просто утоляешь жажду, но на самом деле каждый день выпиваешь бомбу замедленного действия.
10. Большая оранжевая тыква созрела ещё не обязательно.
11. Дочь воспитывает 5-летнего сына одна, горе - папаша слился после отказа сделать аборт.
12. Баклажаны отдельно не жарю.
13. С 1 марта банки будут блокировать переводы при обнаружении вируса.
14. Из мягких груш красивого варенья дольками не получится.
15. Маринованные огурцы с красной смородиной без уксуса.
16. Маринованные помидоры с чесноком быстрого приготовления.
17. Новая масштабная военная штаб-квартира официально открылась в административной столице Египта.
18. Роскошные пиры древних римских императоров часто шокировали своими безумными кулинарными шедеврами.
19. Масштабный кондиционерный кризис стремительно накрыл европейские страны на фоне аномальной жары.
20. Мировой океан занимает свыше 70% площади земли, однако его глубины изучены нами гораздо хуже, чем поверхность луны или марса.
21. Клубнику подкaрмливают три раза в гoд.
22. Мне 32, выгляжу лет на восемь моложе (не мои фантазии, а слова нескольких десятков коллег и знакомых.
23. Для сохранения здоровья листьев огурцов и предотвращения их желтения, вот несколько проверенных рецептов:
24. Что я делаю с чесноком, чтобы он снова стал зелёным.
25. Секреты идеального урожая свеклы: советы по посеву от опытных дачников.
26. Стapый китайский рецепт: раствор, в котором любой черенок пустит первые корешки за 2 дня.
27. Резкий рост неисправных вагонов в РЖД вызывает тревогу на фоне возможного дефицита.
28. Фура с тысячами батончиков киткат по дороге в Польшу исчезла.
29. Японец двадцать шесть лет раскрытия убийства своей жены ждал.
30. Kaким растениям зола не подходит.
31. Шеф-повар белого дома и ветеран армии Андре раш стал настоящей легендой мирового фитнеса.
32. В Мавритании ходит один из самых впечатляющих поездов на планете.
33. Красотка Джессика альба после развода продолжает жить свою лучшую жизнь!
34. Секс и даже мысли о нём могут ускорять рост бороды - к такому выводу пришли учёные.
35. "Я пил их, Чтобы не Спать - и Почти Умер": жителю алматы пересадили сердце после пяти лет на энергетиках.
36. Фигуру дочки Маликова бурно обсуждают в Сети.
37. Две близкие подруги из Алабамы почти одновременно узнали о беременности и сразу поняли, что судьба решила пошутить по - крупному.
38. Яблоки очень уникальный продукт.
39. Помню, как у бабушки на кухне всегда пахло дрожжевым тестом.
40. Kapтошка под соломой - мoй любимый спocoб пocaдки!
41. Немного клея, деревянные палочки и чуточку фантазии и рождается мини - ёлочка.
42. Аромат осени в банке - яблочное варенье с корицей.
43. Мусорные баки никогда не казались арт - объектами, пока этот парень и девушка не взяли их в свои руки.
44. Учёные разработали крем, который действительно убирает морщины - и в этот раз речь не о рекламе, а о подтверждённых клинических испытаниях.
45. В США готовятся подписать на главные фильмы, сериалы и рекламу актрису тиллу норвуд с одной оговоркой: тиллы не существует, это полностью ИИ.
46. * возьмите ёмкость и налейте примерно 100 мл аптечной 3%-й перекиси водорода.
47. Спорт действительно мощно омолаживает организм - это официально подтвердили ученые.
48. Учёные из университета эмори пришли к удивительному выводу: собаки любят своих хозяев даже больше, чем еду.
49. Женщина самостоятельно создала небольшую полку для книг, справившись со всеми этапами работы своими руками.
50. В исследовании приняли участие 32 мужчины, недавно ставшие отцами.