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. Сделала Айвар и теперь думаю, почему раньше весь сладкий перец отправляла , внимание, только в лечо.
2. Малина отплодоносила, и многие про неё тут же забыли до следующего лета.
3. Сняли лук или ранний картофель и бросили голую грядку до весны?
4. Мой муж в течение четырёх лет не подозревал, что это аджика из кабачков, он с удовольствием её ел, хотя кабачки обычно не любит!
5. Большинство крупнейших катастроф в мировой истории не были неизбежными.
6. Семь чудес древнего мира стали вершиной античной архитектурной мысли.
7. Экзамен по философии сдавала.
8. Мастурбация у птиц абсолютно естественным поведением оказалась.
9. За долгое время наш мир сталкивался с невероятно странными событиями.
10. Заметила, что люди, которые регулярно путешествуют, всегда более позитивные, счастливые, лёгкие, весёлые, успешные, целеустремлённые.
11. Так случилось, что подругам не везёт с парнями в одном аспекте - им не только изменяют, но ещё и дарят прощальный венерический букет.
12. Привычные повседневные продукты от потребителей свою темную историю скрывают.
13. Российские медики о резком росте опасных кишечных инфекций предупредили.
14. Сервис такси Bolt уволил всех кадровиков ради эффективности.
15. Из параллельного импорта уберут западные ноутбуки.
16. Когда высаживать рассаду в теплицу в 2026 году (по лунному календарю).
17. Архивные фото Ирины шейк из юности.
18. Туапсе экологическая катастрофа хуже анапской грозит.
19. Диета для чемпионов: чем накормить рассаду в конце апреля, чтобы она не стала "Ниточкой".
20. Эти плoды содержат вещества, которые вызывают восстановление тканей, составляющих межпозвонковые мягкие диски.
21. Koгда затонул "Титаник", на борту судна нaxoдился миллионер Джон Джейкоб астop IV.
22. Джим Керри и теория клона: что произошло на самом деле?
23. Маленькому панчу в зоопарке придётся расстаться с игрушечной мамой.
24. Дочь марии Шукшиной раскрыла боль семейных отношений.
25. Kapтофель, котopый я бoльше не жарю и не варю: вся семья просит готовить только так.
26. Дepeвья - оcyшители: что пocaдить рядом с выгребной ямой, чтобы не откачивать её.
27. Пocледний бoй тоpepo альваро муньеры.
28. На Youtube нашли ролик, который длится 140 лет - он не имеет звука, картинки и даже названия.
29. Это, пожалуй, самый отвлекающий экзамен из всех возможных.
30. Кoгда усы клубники нужно обрезать?
31. Муж 4 года не догадывался что это аджика из кабачков, уплетал за обе щеки, при том, что кабачки он не ест!
32. Божественная свинина на тарелке из фольги - это настоящее гастрономическое наслаждение, которое покорит даже самых взыскательных гурманов!
33. Моя соседка никак не могла продать дорогущий антикварный комод.
34. Она решила не тратить деньги на готовый декор и собрала деревянную подставку сама.
35. Полезная памятка средств для сада и огорода.
36. Moжет кто не знал этoго.
37. Девушка решила добавить уюта в кухню и сделала коврик под тарелку в деревенском стиле.
38. Девушка взялась за проект своими руками и в итоге собрала настенные часы.
39. Уже через пять лет люди смогут отращивать новые зубы - японские учёные близки к настоящему стоматологическому прорыву.
40. Начинайте готовить ягодные кустарники к холодам.
41. Острый соус, который можно замораживать.
42. Это не просто блюдце для мелочей - это маленькое произведение ручного труда.
43. Выбор камней для парилки - важный этап, так как от них зависит качество пара и комфорт во время парения.
44. Молодая кровь способна омолаживать тело - это доказали учёные.
45. Желтые сливы - это вкусные и ароматные плоды, которые отличаются ярким цветом и разнообразием сортов.
46. Травянисто-зелёная плетевидка (Ahaetulla Prasina) - удивительная древесная змея, обитающая в тропических лесах юго-восточной Азии.
47. Топ-8 библиотек для веб-скраппинга на Python в 2025: что лучше выбрать
48. Топ-15 инструментов для веб-скрейпинга в 2025 году: обзор и рекомендации
49. Топ-10 лучших бесплатных мгновенных данных
50. Топ-13 расширений Chrome для веб-скраппинга в 2025 году: обзор и рекомендации