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. Когда мне говорят: "Я не Могу", я всегда вспоминаю свою маму.
2. Что будет с землёй, если солнце внезапно исчезнет.
3. Устала, что на самом деле нет никакого сервиса, чтобы оставить детей под присмотром хотя бы на день.
4. Серая гниль на розах - гадость мерзостная.
5. Моего кота зовут заяц.
6. Сервис такси Bolt уволил всех кадровиков ради эффективности.
7. Что я делаю с чесноком, чтобы он снова стал зелёным.
8. С 1 сентября в России планируют обновить перечень медицинских специальностей.
9. Признаки дефицита основных макроэлементов у растений - как понять, чего не хватает?
10. Гигантский астероид скоро рядом с землёй пройдёт.
11. Кейсы в CS2 и паки Fifa предложили запретить в России.
12. Когда я злая, иногда захожу в социальные сети и ставлю всем реакции - какашки и клоунов через 30+ таких реакций отпускает.
13. Как подкормить малину весной для крупных и сладких ягод.
14. Уиллем дефо сменил городской ритм на спокойную жизнь в Италии.
15. В России обсуждают усиление контроля переписок с помощью ИИ.
16. В России могут ввести самозапрет на покупки на маркетплейсах для контроля трат.
17. Почeму чеснoк при хранении усыхает.
18. Токсичное поведение на работе может стать причиной увольнения.
19. Путешественник Фёдор конюхов за три месяца жизни в Антарктиде собрал более 100 кг пластикового мусора.
20. Шварценеггер приехал в Ссср за искусством, мехами и легендой - и ни один пункт не пропустил.
21. Она растёт в каждом саду и называется ведьмина трава.
22. Янвapский спacaтель: бабушкин рецепт, который ставит на ноги за ночь.
23. Mышей как вeтром сдует: простой способ, который поможет на долго прогнать грызунов.
24. Пирожки: забытый старый мамин рецепт.
25. Сырники больше не делаю.
26. В Лос-анджелесе новый год отмечают необычным образом - под счетчик смертей от курения.
27. Скамер пытался развести айтишников на 1500 евро, выдавая себя за "Босса", но нарвался не на тех.
28. Дaвно забытый peцепт из сссp.
29. Очищение сосудов головного мозга.
30. Вторая половина июля и август месяц идеально подходит для пересадки и посева многолетних цветов:
31. Павлу Дурову разрешили свободно покидать Францию, сообщает Bloomberg.
32. Уже давно делаю по этому рецепту!
33. Учёные выяснили, что зимний секс может реально укрепить здоровье и защитить от болезней.
34. Осень - лучшее время, чтобы дать газону "Второе Дыхание".
35. Самоплoдные сорта грyш.
36. Топ - 5 идей для уюта на даче осенью.
37. Калина - это популярная ягода, которая широко используется в народной медицине и кулинарии благодаря своим полезным свойствам.
38. Чем подкармливать морковь в конце лета.
39. В исследовании участвовали 3 тысячи сотрудников из 141 компании (США, Великобритания, Канада, Австралия, Ирландия, новая Зеландия.
40. В исследовании приняли участие почти 8 тысяч женщин, и результаты оказались однозначными: разница в уровне удовлетворённости отношениями ощутима.
41. Вот ещё пару советов, как держать гриль чище.
42. Лето без арбуза и дыни - не лето!
43. От победы над онкологией - к одной из самых впечатляющих сделок за всю историю шоу Shark Tank.
44. Желтые сливы - это вкусные и ароматные плоды, которые отличаются ярким цветом и разнообразием сортов.
45. Топ-10 лучших инстантов для сбора данных 2025: расширения Chrome
46. Какие легенды и мифы связаны с историей Миасса
47. Соревнования по грэпплингу среди девушек проходят очень напряжённо и зрелищно.
48. Бесплатные Прокси для Вашего Удобства: Топ-15 Резиденциальных Сервисов 2025
49. Топ-5 лучших прокси для Instagram в 2025 году
50. 11+ лучших SEO-прокси 2025 года для обмана алгоритмов