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. В московском метро появилась памятка о том, что на Западе нет настоящих демократических выборов.
2. Баклажаны "как Грибы" готовлю без жарки в половине бутылки масла.
3. Всю жизнь терпеть не могу своё имя - Валентина.
4. В том случае, если груши уже мягчают быстрее, чем мы успеваем их есть, отправляю их в варенье с лимоном.
5. Пробу снимаю еще горячей и каждый раз радуюсь: кабачки не развариваются, а соус получается густым и пикантным.
6. Собрали последнюю малину и забыли про кусты?
7. Огурцы стали плодоносить гораздо лучше, когда я научилась их прищипывать.
8. Российские вузы начали отменять привычные дипломы из-за стремительного развития современных нейросетей.
9. Некоторые официальные законы современной Германии способны искренне удивить даже местных жителей.
10. Haтуральная защита капусты от вредителей.
11. Семь чудес древнего мира стали вершиной античной архитектурной мысли.
12. Вкусный и ароматный соус из зелени на зиму: обязательно сохраните и приготовьте так себе.
13. У релокантов смогут арестовывать имущество за различные правонарушения против национальных интересов.
14. Добрый день! Вдруг кто с подобным … сталкивался.
15. Совершенно неважно, сколько было выпито до этого: две бутылки вина или две бутылки текилы.
16. Ваши вопросы: пожелтела совсем туя после зимы.
17. Начинающие врачи часто жалуются на непонимание со стороны пациентов и невыполнение назначений.
18. Мне 19 лет.
19. Чем подкормить рассаду перца для мощных корней.
20. Слова - обереги, которые важно знать:
21. Мануте бол казался пришельцем даже среди самых высоких игроков нба.
22. Самая мощная трава для мозгового кровообращения, сердца, сосудов, надпочечников, суставов, кожи, волос и не только!
23. Шеф-повар белого дома и ветеран армии Андре раш стал настоящей легендой мирового фитнеса.
24. Этой весной Россию накроет массовое нашествие комаров и клещей.
25. Плoxие coceди для смородины.
26. Ceкрет богатого урожая тoматов.
27. Google предупредила, что около миллиарда смартфонов на Android оказались под угрозой взлома.
28. Пocледний бoй тоpepo альваро муньеры.
29. В 2018 году 19-летняя эстель решила изменить имидж и покрасить волосы в тёмный цвет.
30. Сaлат с копченой курицей.
31. Как заставить замиокулькас активно выпускать новые побеги.
32. Пepecтаньте борoться с мoкрицей!
33. Caлат с куpицeй и aнанасами.
34. Салат "Министерский". Этот салат готовили для советской элиты в министерских и правительственных столовых в середине 50-х годов.
35. Процесс создания зеркала своими руками настолько залипательный, что сложно отвести взгляд.
36. Девушка решила добавить уюта в дом и сделала своими руками милые ёлочки из дерева.
37. Маринованные помидоры. Предлагаю рецепт помидорчиков.
38. Мощный шторм на Москву надвигается.
39. Создание деревянной рамки для карандашей оказалось настоящим мини - мастер - классом.
40. Во время овуляции девушки словно обретают суперсилу - к такому выводу пришли учёные.
41. HR - специалисты бьют тревогу: зумеры всё чаще отказываются выходить на работу, ссылаясь на панические атаки.
42. Полный запрет VPN, манги и даже Asmr стал реальностью в США - закон активно продвигают республиканцы.
43. Мигрень и боли в спине могут возникать из-за перфекционизма - у людей с хронической болью внутренний критик активен чаще обычного.
44. Ваш мозг буквально "Плавится" от жары - люди становятся раздражённее, глупее и менее продуктивными.
45. Грим в кино - это не просто макияж, а важная часть создания образа героя.
46. Исследование морей с помощью субмарин стало популярным не только среди учёных, но и как часть туристических развлечений на курортах.
47. В США появились терапевтические пони, которые помогают пациентам быстрее просыпаться после анестезии, играя для них на синтезаторе.
48. Лишь в том случае, если клубника мельчает или ягод мало.
49. Автоматический полив огорода - это система, которая позволяет удобно и эффективно орошать растения без постоянного ручного вмешательства.
50. Травянисто-зелёная плетевидка (Ahaetulla Prasina) - удивительная древесная змея, обитающая в тропических лесах юго-восточной Азии.