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. Главные доказательства высадки на луне давно вышли за пределы телевизионного эфира.
2. Nasa показало вселенную с невероятным уровнем детализации.
3. Родила старшую дочку в 17 лет.
4. После аварии моего мужа ниже пояса парализовало.
5. Чуть не оставила фасоль на грядке до полного высыхания.
6. Он реально как из детства - густой, насыщенный, чуть сладковатый, чуть острый.
7. Из одного кочана делаю целую сковороду капустных шницелей.
8. МРТ Плода показывает мозг и глаза сквозь кости черепа.
9. Насколько огромны самые большие объекты в природе и космосе.
10. Будущее вселенной через миллионы и миллиарды лет таит захватывающие тайны.
11. Смородины в этом году много, а обычное жидкое варенье у нас как-то не очень едят.
12. С 2027 года Финляндия перестанет обслуживать опоры ЛЭП, через которые проходит значительная часть российского интернет - трафика.
13. Как правильно разделить и пересадить лилии: пошаговая инструкция.
14. Мы привыкли считать сахар обычной и безобидной частью ежедневного рациона.
15. В нашей семье все склонны к полноте.
16. Тот самый трендовый соус "Релиш" из огурцов, который взорвёт ваши бургеры, хот-доги и сосиски в тесте!
17. Великая история древнего Рима до сих пор скрывает множество удивительных тайн.
18. Легендарные затерянные города ищут сотни лет, но их координаты до сих пор остаются неразгаданной загадкой.
19. Мировой океан занимает свыше 70% площади земли, однако его глубины изучены нами гораздо хуже, чем поверхность луны или марса.
20. Российские власти введение дополнительной платы за VPN отложили.
21. Зачерствевший хлеб - отличное решение для подкормки огородных культур, служащее основой для питательного удобрения.
22. Когда-то давно у меня был кот с сумасшедшим характером.
23. Хотите получить огурцы без болезней и с хорошим здоровьем?
24. В Москве предупредили о возможных ограничениях связи.
25. Как подкормить малину весной для крупных и сладких ягод.
26. Знаменитая Анджелина Джоли сделала традиционную татуировку сак янт у мастера в Бангкоке еще в 2004 году.
27. Горсть миндаля в день может заметно улучшить состояние кожи.
28. Чем подкормить рассаду перца для мощных корней.
29. Шеф-повар белого дома и ветеран армии Андре раш стал настоящей легендой мирового фитнеса.
30. Блогер Валерия Чекалина, известная как лерчек, столкнулась с диагнозом рак.
31. Астронавт мкс заснял одно из самых редчайших явлений - спрайты и голубые джеты в верхних слоях атмосферы.
32. Нежный пирог черный принц из варенья.
33. Фунчоза с овощами.
34. Пocледний бoй тоpepo альваро муньеры.
35. Топ - 5 самых неприхотливых сортов перца.
36. 2397 золотистых ретриверов заполнили парк в Буэнос-айресе, чтобы побить мировой рекорд.
37. В Китае привели в исполнение смертный приговор бывшему главе инвесткомпании Huarong International бай тяньхуэю.
38. Подругa нaучила "Прaвильно" тушить капусту.
39. Исследование показало, что матери в среднем тратят на сыновей больше, чем на дочерей.
40. Вторая половина июля и август месяц идеально подходит для пересадки и посева многолетних цветов:
41. Пoпробуйте этот спocoб - и вы пoлучите сало с потрясающим вкусом и ароматом копчёности.
42. Корейцы представили свой ответ Audi RS6 - эффектный универсал G90 Wingback Magma "Dr.
43. Camый удачный рецепт 3A\u041B\u0418\u0412\u041D\u041E\u0413\u041E пирога - пpocто, быстро и всегда вкусно!
44. Малина ведрами. Как удается получать такой урожай?
45. Клубника на подоконнике - аромат лета круглый год!
46. Мошенники запустили новую опасную схему с аккаунтами на маркетплейсах - под удар попали уже сотни пользователей.
47. Топ - 5 идей для уюта на даче осенью.
48. Свежие данные из медицины показали неожиданную связь между весом и здоровьем мозга у пожилых людей.
49. Женщина самостоятельно создала небольшую полку для книг, справившись со всеми этапами работы своими руками.
50. Выбор бани - важное решение, от которого зависит комфорт и удовольствие от парения.