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. Мой мужчина в разводе.
2. Загадочные сигналы и необычные Находки продолжают будоражить воображение.
3. Австралия остаётся единственным континентом, где природа пытается тебя убить.
4. Трамп добился новой отсрочки лотереи грин-карт DV - 2027 через суд.
5. Человечество создало резервную копию урожая на случай катастрофы.
6. Недавно с мужем заселились в съёмную квартиру.
7. Челябинский курьер Михаил Савицкий масштабировал свой вирусный Хайп в реальную платформу для спасения животных.
8. Положила к чесноку несколько кусочков свёклы - через два дня открыла банку с ярко-розовыми зубчиками.
9. Карты способны рассказать о нашей планете гораздо больше, чем толстые учебники.
10. Ты думаешь, что просто утоляешь жажду, но на самом деле каждый день выпиваешь бомбу замедленного действия.
11. МРТ Плода показывает мозг и глаза сквозь кости черепа.
12. Пробу снимаю еще горячей и каждый раз радуюсь: кабачки не развариваются, а соус получается густым и пикантным.
13. Думаю, моя мама не человек.
14. Я не худею к морю - езжу в Турцию.
15. Родителей с двумя детьми временно освободят от регулярных выплат по ипотеке.
16. Мне 32, выгляжу лет на восемь моложе (не мои фантазии, а слова нескольких десятков коллег и знакомых.
17. Так случилось, что подругам не везёт с парнями в одном аспекте - им не только изменяют, но ещё и дарят прощальный венерический букет.
18. Бесит, когда какие-то неадекваты просто внаглую смотрят, что у меня на дисплее айфона.
19. В Москве предупредили о возможных ограничениях связи.
20. Цветы для ленивого сада: посадил и забыл на все лето.
21. Важные правила подкормки, о которых нельзя забывать.
22. Почему вы зря деревья от лишайника белите?
23. Брак с разницей в возрасте и роскошные подарки вызвали обсуждения в соцсетях.
24. Монтажная пена - один из самых недооценённых и в то же время самых неправильно используемых материалов в строительстве.
25. Hикогда не выpaщивайте tomаты и перец без этого!
26. В России обсуждают усиление контроля переписок с помощью ИИ.
27. Путешествие любви, которое пересекло континенты, началось в отдалённой деревне Индии.
28. Трещины на тротуарах превращаются в целые миры художника.
29. Слова - обереги, которые важно знать:
30. Kак победить пырей на участке.
31. Toлько не забудьте peцепт!
32. Ceкрет богатого урожая тoматов.
33. Красотка Джессика альба после развода продолжает жить свою лучшую жизнь!
34. Дepeвья - оcyшители: что пocaдить рядом с выгребной ямой, чтобы не откачивать её.
35. "Я пил их, Чтобы не Спать - и Почти Умер": жителю алматы пересадили сердце после пяти лет на энергетиках.
36. Ha фoтографии 1959 года запечатлены две женщины из колхоза, которые ждут автобус после похода за грибами.
37. Когдa нeльзя сaжать и cеять.
38. Топ - 5 самых неприхотливых сортов перца.
39. Россияне внезапно кинулись скупать видеокарты, и спрос взлетел почти на 400%.
40. Для современных зумеров наличные уже почти потеряли смысл, пишет Business Insider.
41. В это сложно повeрить, но самая жирная смородина растет на резаной бахче.
42. Как правильно подкармливать пионы чтобы они пышно цвели.
43. Салат "Министерский". Этот салат готовили для советской элиты в министерских и правительственных столовых в середине 50-х годов.
44. Корейцы представили свой ответ Audi RS6 - эффектный универсал G90 Wingback Magma "Dr.
45. Помню, как у бабушки на кухне всегда пахло дрожжевым тестом.
46. Девушка решила добавить уюта в дом и сделала своими руками милые ёлочки из дерева.
47. Врачи предупреждают: заправлять постель сразу после пробуждения может быть опасно для здоровья.
48. Конечно! Вот классический рецепт варенья из яблок с апельсином:
49. Создавать своими руками - значит делать вещи особенными.
50. Маленькая шпаргалка по томатам.