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. Перед похолоданием целый таз зелёных помидоров сняла.
2. Цветную капусту у нас обычно едят без большого восторга.
3. Замуж выходила по сильной любви за ярого мотоциклиста, но ради нашего совместного будущего мы решили, что увлечение слишком опасное.
4. Каждый август одна и та же история: томат уже упёрся в потолок теплицы, продолжает цвести и строит планы на октябрь.
5. Будущее вселенной через миллионы и миллиарды лет таит захватывающие тайны.
6. Осенью смешайте всего три средства от вредителей в одной бутылке - результат вас порадует!
7. Вселенная кажется нам знакомой лишь потому, что мы видим звёзды на ночном небе.
8. Найти хорошую работу в России становится практически невозможно для большинства граждан.
9. Современный гейминг оказался исключительно полезен для человеческой психики.
10. Формировка огурцов. 1. начинаю с нижней части.
11. Подкормка капусты в июне: мы выбираем лучшее для крепких кочанов.
12. В России временно разрешили производство бензина и дизеля более низких экологических классов.
13. Еще раз про хосты: почему этот многолетник должен быть в каждом саду.
14. Гopчичный, дегтярный и чесночный растворы могут быть полезными при борьбе с этими вредителями.
15. Победители первых "Игр на Стероидах" получат по 250 тысяч долларов.
16. Я вегетарианка. И стоит мне сказать об этом, как начинаются расспросы, упреки и ценные указания.
17. Компьютерные игры ведут к импотенции и разрушают реальные отношения.
18. Российские компании продолжают удерживать на рабочих местах абсолютно бесполезных сотрудников.
19. Когда-то давно у меня был кот с сумасшедшим характером.
20. У дачного отдыха есть одна особенно коварная привычка: всё, что пахнет летом, дымком и мясом, автоматически кажется почти невинным.
21. Признаки дефицита основных макроэлементов у растений - как понять, чего не хватает?
22. Мы рассказываем вам как избавиться от морковной мухи раз и навсегда.
23. Почему обеспеченные люди реже приложения для знакомств выбирают.
24. Telegram в России остаётся без альтернатив несмотря на попытки заменить сервис.
25. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
26. У китайцев принято чавкать.
27. Пять лет назад я родила ребёнка за деньги - и тогда мне казалось, что хуже стыда уже не бывает.
28. Я мopковь сею следующим образом.
29. Трещины на тротуарах превращаются в целые миры художника.
30. Аллергикам стоит готовиться к тяжёлому сезону пыльцы.
31. Токсичное поведение на работе может стать причиной увольнения.
32. Этой весной Россию накроет массовое нашествие комаров и клещей.
33. Пepвая пoдкopмка рaccaды народными средствами.
34. Cвeжий укроп всегда под рукoй.
35. Ha втopoй день ещё вкуснее.
36. Пpичины, пoчему уcыхает чеснок при хранении.
37. Google предупредила, что около миллиарда смартфонов на Android оказались под угрозой взлома.
38. Денежное дерево, всего одной ложкой этого ингредиента оно зацветет замечательно.
39. Стильное оформление квартиры.
40. Этот пирог лучше, чем торт и вкуснее кекса.
41. Не пробовали посадить лук китайским способом?
42. Девушка решила добавить уюта и сделала крошечную кровать своими руками.
43. Это закуска на любом застолье на ура уходит!
44. Какие лилии могут зимовать в грунте!
45. Создавать своими руками - значит делать вещи особенными.
46. Малосольные помидорки по-армянски.
47. Ядовитые пауки - осы добрались до Москвы - об этом заявляют биологи.
48. Обработка участка от клещей - важная мера для защиты здоровья вашей семьи и домашних животных.
49. В том случае, если вам не удалось в этом году закрыть грибов, то такая альтернатива грибочкам будет кстати.
50. Арбузы и смородина помогут разбудить "Мозг" в это дождливое лето.