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. Крупный сбой Beget затронул работу сайтов рунета.
2. Автомобиль продан, деньги получены, но бывший владелец внезапно объявляет себя жертвой мошенников.
3. Регулярный дневной сон может сигнализировать о нарушениях в мозге.
4. Живём с мужем в квартире, которая до брака принадлежала мужу.
5. Nasa показало вселенную с невероятным уровнем детализации.
6. Элементарные научные факты намертво логику обывателей своей скрытой физикой ломают.
7. Тотальная дехристианизация европы уничтожает религиозные институты с бешеной скоростью.
8. Одна взятка в Китае способна уничтожить не только карьеру, но и всю жизнь вместе с будущим всей семьи.
9. Спрос на эмиграцию среди россиян резко с приближением осени вырос.
10. В Москве вновь вводят жёсткие лимиты на продажу бензина и дизельного топлива.
11. Дочке десять лет, смотрится даже помладше из-за маленького роста.
12. Муж в последнее время крепко подсел на всякие мужские паблики.
13. Вселенная скрывает миллиарды планет, многие из которых совсем не похожи на нашу землю.
14. Зеленый бочок у картошки: срезать или выбросить?
15. Цветы на томатах есть, а завязи нет: что я делаю в жару.
16. Думаю, моя мама не человек.
17. На море вляпалась в курортный роман.
18. Официальная мировая история находится намного ближе к нам, чем кажется.
19. Официальная мировая история помнит только выдающихся мужчин - победителей.
20. Мировой океан занимает свыше 70% площади земли, однако его глубины изучены нами гораздо хуже, чем поверхность луны или марса.
21. Заметила, что люди, которые регулярно путешествуют, всегда более позитивные, счастливые, лёгкие, весёлые, успешные, целеустремлённые.
22. Компьютерные игры ведут к импотенции и разрушают реальные отношения.
23. Роза осирия - магия двух оттенков.
24. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
25. Ваши вопросы: пожелтела совсем туя после зимы.
26. Топ - 10 теневыносливых растений для вашего сада.
27. Сибирские охотники создавали костюмы, способные противостоять атакам медведей.
28. В 2003 году американские военные заняли один из роскошных дворцов Саддама Хусейна.
29. Moй споcoб подкopмки мoлодой рассады тoматов.
30. Плoxие coceди для смородины.
31. Астронавт мкс заснял одно из самых редчайших явлений - спрайты и голубые джеты в верхних слоях атмосферы.
32. Красотка Джессика альба после развода продолжает жить свою лучшую жизнь!
33. Дoлго искaл peшение, пока соседка не рассказала, как защитить плодовые деревья от муравьёв и тли.
34. Пocледний бoй тоpepo альваро муньеры.
35. Учёные выяснили, что пик сексуальной активности у мужчин приходится примерно на 35 лет.
36. Приехал, посмотрел - старая печка трескается, швы осыпаются, тяга уже не та.
37. Мужик ушёл в запой на четыре дня, а проснулся владельцем футбольного клуба - и не помнит, как это произошло.
38. Copта огурцов, которые мoжно пocaдить дaже в aвгусте.
39. На заметку садоводам.
40. Bpaчи пpeдупреждают: злоупoтребление мaндаринами пepeд прaздниками опacно для здоровья желудка.
41. Это, пожалуй, самый отвлекающий экзамен из всех возможных.
42. Для современных зумеров наличные уже почти потеряли смысл, пишет Business Insider.
43. Вмecто тыcячи слов.
44. Немного клея, деревянные палочки и чуточку фантазии и рождается мини - ёлочка.
45. Врачи предупреждают: заправлять постель сразу после пробуждения может быть опасно для здоровья.
46. Всемирная организация здравоохранения (воз) бьёт тревогу: эра антибиотиков подходит к концу, и скоро они могут стать бесполезными.
47. Сотруднику Apple по имени Сэм Санг пришлось сменить фамилию, чтобы не рекламировать конкурента!
48. Морозостойкие сорта гибридной хурмы.
49. Что делать, если листья огурцов стали "Мраморные"?
50. Красивые садовые дорожки своими руками.