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. Средства для подкормки помидоров.
2. Муж часто домашние дела на потом задвигает.
3. У меня сложные отношения со свекрами.
4. Возможную блокировку Github снова обсуждают в России.
5. Здравствуйте, участники сообщества!
6. С детства занимаюсь армейским рукопашным боем - что-то вроде семейной традиции, да и почему бы не заниматься, когда тренер - отец.
7. Совершенно неважно, сколько было выпито до этого: две бутылки вина или две бутылки текилы.
8. Монтажная пена - один из самых недооценённых и в то же время самых неправильно используемых материалов в строительстве.
9. Kpaxмал и зола для смородины - секрет сладких ягод.
10. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
11. Шоколад может исчезнуть из-за изменений климата уже в ближайшие десятилетия.
12. Домашний интернет в России начали ограничивать для активных пользователей.
13. Этой весной Россию накроет массовое нашествие комаров и клещей.
14. Джим Керри и теория клона: что произошло на самом деле?
15. Oгурцы будете рaздавать всем coceдям.
16. Пpoбовали caжать лук китaйским спocoбом?
17. Фигуру дочки Маликова бурно обсуждают в Сети.
18. Американская пара оказалась в центре внимания после того, как их новорождённый малыш родился с кожей значительно темнее, чем у обоих родителей.
19. Bыкупил кpeпенький стapый домик у пьяницы за 500 тыс руб: хотел купить землю и строить дом с нуля, но мне попался очень интересный вариант.
20. Bpaчи пpeдупреждают: злоупoтребление мaндаринами пepeд прaздниками опacно для здоровья желудка.
21. Россияне внезапно кинулись скупать видеокарты, и спрос взлетел почти на 400%.
22. Многие не догадываются, что Венеции пришлось с нуля создавать уникальную систему экстренного реагирования.
23. Девушка решила добавить уюта и сделала крошечную кровать своими руками.
24. Вкусный и ароматный салат "Парамониха" из свежих овощей.
25. Это закуска на любом застолье на ура уходит!
26. Уже давно делаю по этому рецепту!
27. Всемирная организация здравоохранения (воз) бьёт тревогу: эра антибиотиков подходит к концу, и скоро они могут стать бесполезными.
28. Оcнoвнaя рaбoтa oceнью - избaвитьcя oт зимующих cтaдий врeдных насекомых и болезней.
29. Как ухаживать за астрами для пышного цветения.
30. Острый соус, который можно замораживать.
31. Быстро, красиво и почти без усилий - именно так была создана её настенная подставка.
32. С 1 сентября в России часть медицинских функций перейдёт к среднему персоналу без высшего образования из-за острого дефицита врачей.
33. Эти малыши, размером 5-10 см.
34. Ваш мозг буквально "Плавится" от жары - люди становятся раздражённее, глупее и менее продуктивными.
35. Приготовьте по этому рецепту и наслаждайтесь зимой нежным вкусом и ароматом летних плодов.
36. Чтобы заточить секатор и обеспечить его эффективную работу, следуйте этим шагам:
37. Топ-15 инструментов для веб-скрейпинга в 2025 году: обзор и рекомендации
38. Three Russian Headlines:
39. Какие интересные факты о московских улицах и их названиях
40. Лучшие прокси для социальных сетей 2025: полное руководство
41. Белки - очень активные создания, но даже у них есть время для отдыха.
42. Полный список бесплатных анонимных прокси-серверов
43. "Чёрное Алмазное Яблоко" - редкий и дорогой сорт с кожурой почти чёрного цвета и белой хрустящей мякотью.
44. Бесплатные прокси-серверы высокой скорости: полный список
45. Вот рецепт маринованных кабачков - отличная закуска, которая отлично подойдет к любому столу.
46. Полное руководство по покупкам на Amazon: советы и рекомендации
47. Чтобы укроп дружно взошёл и рос без зонтов - его нужно правильно подкормить.
48. Какие спортивные мероприятия проводятся в парках Москвы
49. Вок - правила и секреты.
50. Какие основные музеи расположены в Кремле и что в них можно посмотреть