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. Бабушка маму родила уже за 30, во втором браке.
2. Мои родители подарили нам с мужем на свадьбу чайный сервиз, который, как мне кажется, уже не одно поколение кочует по сервантам моих родственников.
3. Замуж выходила по сильной любви за ярого мотоциклиста, но ради нашего совместного будущего мы решили, что увлечение слишком опасное.
4. Маленький кабачок вроде завязался, начал расти, а потом пожелтел и сгнил прямо с цветком.
5. С мужем поженились рано, родили дочку.
6. В том случае, если груши уже мягчают быстрее, чем мы успеваем их есть, отправляю их в варенье с лимоном.
7. Цветы на томатах есть, а завязи нет: что я делаю в жару.
8. "Обожаю" родню, кто бы знал ….
9. Простые решения повседневных человеческих проблем могут оказаться гораздо эффективнее революционных открытий.
10. На море вляпалась в курортный роман.
11. Сезон клубники в самом разгаре!
12. Далекие экзопланеты ученых своим невероятным разнообразием поражают.
13. У меня есть лишний вес, пытаюсь как-то двигаться и есть поменьше, но за зиму всё равно набрала больше обычного.
14. Чернобыльская катастрофа скрывала множество деталей, о которых не пишут в учебниках.
15. История доказывает, что многие теории заговора со временем становятся фактами.
16. Заметила, что люди, которые регулярно путешествуют, всегда более позитивные, счастливые, лёгкие, весёлые, успешные, целеустремлённые.
17. Сервис такси Bolt уволил всех кадровиков ради эффективности.
18. Некоторые археологические открытия наше прошлое слишком странным делают.
19. Чем подкормить клубнику в мае, чтобы ягоды были сладкими.
20. Так томаты в теплицу не просто так высаживают.
21. Пекинская капуста даст крепкие кочаны, если посеять её в нужный срок.
22. Завязей на томатах будет море, а фитофтора обойдёт стороной.
23. У дачного отдыха есть одна особенно коварная привычка: всё, что пахнет летом, дымком и мясом, автоматически кажется почти невинным.
24. Шашлык по рецепту: почему врачи разрешили есть мясо на углях лишь раз в месяц.
25. Нарциссизм всё чаще связывают именно с генетикой.
26. В Москве предупредили о возможных ограничениях связи.
27. Что на самом деле означает "Нижнее Давление" и почему на него стоит обращать внимание.
28. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
29. Tpи весенних опрыскивания сада: сроки и средства.
30. Сибирские охотники создавали костюмы, способные противостоять атакам медведей.
31. Психотерапевт из Англии оказался в центре скандала из-за методов "Лечения" своих пациенток.
32. Путешественник Фёдор конюхов за три месяца жизни в Антарктиде собрал более 100 кг пластикового мусора.
33. Ceкрет богатого урожая тoматов.
34. Японские учёные о прорыве в борьбе с облысением заявили.
35. Фунчоза с овощами.
36. "ВИА Гра" на пике славы - "золотой граммофон", 6 декабря 2003 года.
37. Дом, где живет душа: как Эдита пьеха построила свой мир вдали от софитов.
38. В Лос-анджелесе новый год отмечают необычным образом - под счетчик смертей от курения.
39. Дaвно забытый peцепт из сссp.
40. Кофе по утрам поднимает настроение лучше многих других способов и помогает справляться с тревогой, показало недавнее исследование.
41. Hи однoй мыши, ни однoго кpoта и зaйца на вaшей даче бoльше не бyдет.
42. В пещере на границе Албании и Греции обнаружена крупнейшая в мире паутина, ставшая домом для 111 000 пауков.
43. Лучший способ хранения чеснока.
44. Немного фантазии, немного подручных материалов и пустая стена превращается в креативный арт - объект.
45. В США готовятся подписать на главные фильмы, сериалы и рекламу актрису тиллу норвуд с одной оговоркой: тиллы не существует, это полностью ИИ.
46. Исследования показали, что напиток возвращает клеткам энергию и активирует механизмы клеточной уборки.
47. Сильнейшая магнитная буря готовится обрушиться на землю: учёные предупреждают, что источник угрозы - солнце.
48. Витамин D способен замедлять старение организма в три раза - к такому выводу пришли учёные из проекта Vital после анализа данных 25 тысяч человек.
49. В исследовании участвовали 3 тысячи сотрудников из 141 компании (США, Великобритания, Канада, Австралия, Ирландия, новая Зеландия.
50. Учёные из пермского политеха обнаружили радиацию в китайских гибридных автомобилях, превышающую норму в восемь раз.