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. Безумная алчность и жажда бессмертия тысячелетиями толкают людей на поиски мифических артефактов.
2. Мировая слава и бешеные деньги не гарантируют звездам защиту от ареста.
3. Скрытые протоколы авиации готовят экипаж к смертельным авариям в каждом рейсе.
4. Медицина шокирующие физиологические странности нашего собственного организма вскрыла.
5. Стручковая фасоль обычно отправлялась у меня либо в рагу, либо сразу в морозилку.
6. Баклажаны "как Грибы" готовлю без жарки в половине бутылки масла.
7. Человечество не просто выживало в разных уголках планеты - оно менялось вместе с ними.
8. Уволенная сотрудница изощренно отомстила боссу перед своим уходом.
9. Одно случайное фото эфиопской девушки Элизабет деста мгновенно разлетелось по всему интернету и сделало её новой звездой соцсетей.
10. Вынуждена была уехать на лечение на месяц в другую страну.
11. Мой муж в течение четырёх лет не подозревал, что это аджика из кабачков, он с удовольствием её ел, хотя кабачки обычно не любит!
12. Нaучилась применять перекись + укcyс для огурцов во второй половине летa.
13. По вкусу, как мармелад: в сезон закрываю побольше.
14. Новая масштабная военная штаб-квартира официально открылась в административной столице Египта.
15. Некоторые населенные пункты на земле постоянно живут в условиях экстремального мороза.
16. В конце лета часто езжу на чужие дачи в соседние посёлки и собираю с деревьев на улицах яблоки, груши, алычу, сливы, фундук.
17. Голландский фотограф Альберт дрос вновь покорил сеть серией захватывающих снимков пейзажей Кыргызстана.
18. Даже после смерти известные исторические личности часто сталкивались с нарушением своего последнего покоя.
19. Пoлив клyбники нашатырным спиртoм от вредителей и болезней.
20. Петербургские депутаты предложили изменить школьную программу полового воспитания.
21. Мальта первой в мире предоставит всем гражданам бесплатный доступ к Chatgpt.
22. С детства занимаюсь армейским рукопашным боем - что-то вроде семейной традиции, да и почему бы не заниматься, когда тренер - отец.
23. Почему вы зря деревья от лишайника белите?
24. Повеяло летом. Клубника рекорд установила.
25. Когда я засматриваю сериал до дыр, но останавливаться не хочу, я просто начинаю смотреть его на английском языке.
26. Тридцать два года работы сделали Рассела о'грэди легендой Northmead.
27. Мой способ подкормки молодой рассады томатов.
28. Детские больницы кабинеты МРТ в сказочные пространства для снижения стресса превращают.
29. В России могут ввести самозапрет на покупки на маркетплейсах для контроля трат.
30. Мануте бол казался пришельцем даже среди самых высоких игроков нба.
31. Этой весной Россию накроет массовое нашествие комаров и клещей.
32. Ecли розы чахнут и перестают цвести, можно использовать простой раствор на основе пищевой соды для их омоложения.
33. Дoлго искaл peшение, пока соседка не рассказала, как защитить плодовые деревья от муравьёв и тли.
34. Сaлат с копченой курицей.
35. Когда внешний мир исчезает, полёт превращается в абсолютное доверие приборам и технологиям.
36. После новогодних праздников американские врачи советуют не лежать на диване, а выходить на улицу и активно выпускать газы.
37. Пoчему лук стoит caжать в клyбнике.
38. Муж 4 года не догадывался что это аджика из кабачков, уплетал за обе щеки, при том, что кабачки он не ест!
39. Caлат "Мaкcим". Ингредиенты:
40. Эти keфирно - maйонезные лепёшки получаются пышными и нежными, без яиц и дрожжей - просто смешал, обжарил и к столу.
41. Жeнщинe пocлe 40 лeт витамин в 12 жизнeннo нeoбхoдим.
42. Какао - настоящее спасение для тех, кто работает на удалёнке или в офисе.
43. В России внезапно вырос спрос на необычную процедуру - мужики массово колют ботокс в яички.
44. Секс помогает бороться со стрессом и даже ускоряет восстановление после тренировок - к такому выводу пришли исследователи.
45. Мигрень и боли в спине могут возникать из-за перфекционизма - у людей с хронической болью внутренний критик активен чаще обычного.
46. Чтобы растения были крепкими, здоровыми и давали богатый урожай, стоит иметь под рукой базовый набор удобрений:
47. Быстро, красиво и почти без усилий - именно так была создана её настенная подставка.
48. Женщины изменяют в 2, 5 раза чаще именно в период овуляции, утверждает новое исследование.
49. Мужчина показала лучший способ сложить брюки на вешалке так, чтобы они не сползали.
50. Регулярное употребление хотя бы шести штук в неделю снижает риск ранней смерти почти на 30 процентов.