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. Современные ученые пять неожиданных и удивительных фактов о космосе выделили.
2. Припорошите междурядья моркови самой простой подкормкой и увидите какой крупной она вырастет.
3. Так случилось, что подругам не везёт с парнями в одном аспекте - им не только изменяют, но ещё и дарят прощальный венерический букет.
4. У чеснока есть один важный момент - пропустите его, и головки останутся мелкими.
5. При знакомстве с новыми людьми всегда стараюсь мягко обкатать какие-то жесткие для него темы.
6. Возможную блокировку Github снова обсуждают в России.
7. Препараты от болезней томатов!
8. Как буддийские монахи вышли на протест и столкнулись с полицией.
9. Что любит перец после высадки в теплицу - секреты ухода для богатого урожая!
10. Мой способ подкормки молодой рассады томатов.
11. Уже проснулись: как не встретить гадюку на любимых грядках.
12. Все лето держу окна в доме отрытыми и не боюсь комаров.
13. Mышь в yлье.
14. Маленькому панчу в зоопарке придётся расстаться с игрушечной мамой.
15. Сekрет пышной и сладкой морковки - простая подкормка!
16. Пoлезный чай для печени и жёлчного пузыря.
17. Ecли розы чахнут и перестают цвести, можно использовать простой раствор на основе пищевой соды для их омоложения.
18. После вторых родов вес подскочил до 81 кг, и многие вещи в шкафу напоминали, как сильно тело изменилось.
19. Пиpoжки: зaбытый стapый мaмин рeцепт.
20. Учёные выяснили, что пик сексуальной активности у мужчин приходится примерно на 35 лет.
21. В 2018 году 19-летняя эстель решила изменить имидж и покрасить волосы в тёмный цвет.
22. Эта комната не подстраивается под свет - она управляет им в реальном времени.
23. Что нужно знать о перце:
24. Этот человек способен воссоздать любой оттенок, на который вы укажете, с безупречной точностью, и делает это каждый раз без использования машины.
25. Салат "Министерский". Этот салат готовили для советской элиты в министерских и правительственных столовых в середине 50-х годов.
26. Kapтошка под соломой - мoй любимый спocoб пocaдки!
27. Маринованные помидоры. Предлагаю рецепт помидорчиков.
28. В России отложили введение нового утильсбора для автомобилей.
29. Создавать уют своими руками - значит делать интерьер уникальным.
30. Малосольные помидорки по-армянски.
31. Учёные Ozempic без побочных эффектов создали.
32. В исследовании участвовали 3 тысячи сотрудников из 141 компании (США, Великобритания, Канада, Австралия, Ирландия, новая Зеландия.
33. Клематис "Герцогиня Эдинбургская" - это популярный сорт декоративного лианового растения из семейства лютиковых.
34. Лето без арбуза и дыни - не лето!
35. В сети стремительно набирает популярность короткое видео, в котором обычный сельскохозяйственный сюжет превращается в настоящий комедийный эпизод.
36. И другой более масштабный вариант есть.
37. Топ-15 лучших инструментов для веб-скраппинга в 2025 году
38. Лучшие бесплатные веб-скрейперы 2025 года: простота и эффективность в одном
39. Брюква - это вкусный и полезный корнеплод, который обладает множеством достоинств.
40. Какие интересные факты о московских улицах и их названиях
41. Роза плетистая раубриттер - это популярный сорт розы, известный своей красивой и пышной цветочной формой.
42. Полный список бесплатных анонимных прокси-серверов
43. Бесплатные SOCKS5 прокси: список для США и Китая
44. Опасные растения для дачи!
45. Мы исправляем вытянувшуюся рассаду.
46. Как использовать дачное пространство по максимуму!
47. Шпаргалка, чтобы слива плодоносилa.
48. Интересные факты о Владивостоке, которые вы, возможно, не знали
49. Какие бизнес-центры в Москве самые известные и какие компании там расположены
50. Девять лучших прокси-провайдеров 2025 года: рейтинг и обзор