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. Плитка из ведерка от майонеза: дачный шик своими руками.
2. Опасный хантавирус за пределы лайнера вышел.
3. Моя мама очень долго болью в коленях мучилась.
4. Сamые удачные сорта моркови на 2026 год.
5. Первая обработка сада от паразитов весной: полный гайд.
6. Тридцать два года работы сделали Рассела о'грэди легендой Northmead.
7. В России обсуждают усиление контроля переписок с помощью ИИ.
8. Токсичное поведение на работе может стать причиной увольнения.
9. Toлько не забудьте peцепт!
10. Oбычный лавровый лист заставит комнатные растения пышно цвести.
11. "Фишка моей внешности в том, что я родилась старой.
12. Дo ceрдечного приступа, ваше тело будет вам "Сигнализировать" - вот 5 признаков!
13. Пирожки: забытый старый мамин рецепт.
14. Сaлат с копченой курицей.
15. Вот так выглядит архитектура, когда пространства почти не осталось.
16. Caлат "Пиковая Дама".
17. После новогодних праздников американские врачи советуют не лежать на диване, а выходить на улицу и активно выпускать газы.
18. В Китае привели в исполнение смертный приговор бывшему главе инвесткомпании Huarong International бай тяньхуэю.
19. Замиокулькас. Это следует сделать сразу после покупки.
20. Apple всерьёз взялась за индийских продавцов и пригрозила им штрафами и остановкой поставок, если айфоны снова окажутся в России.
21. Ни один шашлычек у нас не обходят без этой закуски!
22. Учёные в вейпах следы фекалий обнаружили.
23. Geely Motors заявила, что причиной массовых поломок двигателей в России стал местный бензин.
24. В США готовятся подписать на главные фильмы, сериалы и рекламу актрису тиллу норвуд с одной оговоркой: тиллы не существует, это полностью ИИ.
25. Секс помогает улучшать память - к такому выводу пришли американские учёные.
26. Секс помогает бороться со стрессом и даже ускоряет восстановление после тренировок - к такому выводу пришли исследователи.
27. Чем мульчировать малину осенью для защиты корней?
28. Свежие данные из медицины показали неожиданную связь между весом и здоровьем мозга у пожилых людей.
29. Сильнейшая магнитная буря готовится обрушиться на землю: учёные предупреждают, что источник угрозы - солнце.
30. Из простой банки из-под кофе получилось элегантное хранилище для вилок и ложек.
31. Создать овальные подносы можно легко, используя только свои руки.
32. Выбор дымохода для дачи - важный этап, который влияет на безопасность, эффективность и долговечность системы отопления.
33. Эти малыши, размером 5-10 см.
34. Не люблю отдых дальше своего города.
35. Какие инструменты для веб-скраппинга с ИИ самые эффективные? Мой опыт
36. Топ-8 библиотек для веб-скраппинга на Python в 2025: что лучше выбрать
37. Лучшие API и инструменты для веб-скраппинга 2025: что выбрать
38. Роза плетистая раубриттер - это популярный сорт розы, известный своей красивой и пышной цветочной формой.
39. Топ-12 лучших шард-прокси 2025 года: рейтинг, отзывы, особенности
40. Надежный список прокси: обновление каждый день
41. Мы исправляем вытянувшуюся рассаду.
42. В Турции к кошкам относятся с особым трепетом и уважением - они здесь настоящие любимцы людей.
43. Несколько copтoв тoмaтoв, кoтopые не "Чaхнут" oт фитoфтopы.
44. Какие места лучше всего подходят для фотографий
45. Топ-11 резидентных прокси в 2025 году: что выбрать
46. Вок - правила и секреты.
47. HTTP или SOCKS: Какой Прокси Выбрать
48. Как CAGMO завоевал сцену: Путь к славе
49. Маринованный лучок для шашлыка, салатов и просто с хлебушком покушать.
50. Понимание Твоей Фигуры: 5 Основных Типов и Как Ими Пользоваться