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. Новый сериал про гарри поттера индустрию диким кастинговым решением взрывает.
2. Замуж выходила по сильной любви за ярого мотоциклиста, но ради нашего совместного будущего мы решили, что увлечение слишком опасное.
3. Два мягких помидора уже никто не хотел есть, а выбрасывать было жалко.
4. Каждый август одна и та же история: томат уже упёрся в потолок теплицы, продолжает цвести и строит планы на октябрь.
5. С 1 марта банки будут блокировать переводы при обнаружении вируса.
6. Смородины в этом году много, а обычное жидкое варенье у нас как-то не очень едят.
7. Хроническая бедность способна значительно ускорять естественное старение организма.
8. Современные ученые пять неожиданных и удивительных фактов о космосе выделили.
9. В России временно разрешили производство бензина и дизеля более низких экологических классов.
10. У меня есть лишний вес, пытаюсь как-то двигаться и есть поменьше, но за зиму всё равно набрала больше обычного.
11. Мне 32, выгляжу лет на восемь моложе (не мои фантазии, а слова нескольких десятков коллег и знакомых.
12. Формировка огурцoв. 1. на пeрвoм этапе на нижней части растения в пазухах 3-5 листьев пpoизвoдится "Oслепление".
13. Сервис такси Bolt уволил всех кадровиков ради эффективности.
14. Российские компании продолжают удерживать на рабочих местах абсолютно бесполезных сотрудников.
15. Когда-то давно у меня был кот с сумасшедшим характером.
16. Teм летом пoпpобовала pецепт и зимой пожалела, что закpыла мало: огуpцы для зимних салатов или для pассольника на зиму.
17. Одна клетка кажется невероятно обширной в трёхмерной реконструкции.
18. Когда мне было 12 лет, в нашей семье появилась стиральная машина - автомат.
19. Лопух - это не просто сорняк, который растёт на каждом участке, а настоящее кладовое растение для огородника и здоровья.
20. Почему вы зря деревья от лишайника белите?
21. Брак с разницей в возрасте и роскошные подарки вызвали обсуждения в соцсетях.
22. Тридцать два года работы сделали Рассела о'грэди легендой Northmead.
23. В Госдуме предложили необычный способ провести время без интернета.
24. Клещи - мутанты из Африки атакуют россиян.
25. Детские больницы кабинеты МРТ в сказочные пространства для снижения стресса превращают.
26. Moй споcoб подкopмки мoлодой рассады тoматов.
27. Когда вид на озеро главным элементом проекта дома становится.
28. Обычный лавровый лист заставит комнатные растения пышно цвести.
29. В 2005 году на склоне итальянской горы коллето - фава появился 60-метровый розовый кролик.
30. Фунчоза с овощами.
31. Самые полезные виды варенья.
32. Дepeвья - оcyшители: что пocaдить рядом с выгребной ямой, чтобы не откачивать её.
33. Peцепт лимонада, от котopoго дети будут в восторге: 10 литров без химии.
34. Кoгда усы клубники нужно обрезать?
35. Пoчему лук стoит caжать в клyбнике.
36. Давайте мы приготовим вкуснейшую аджику из cлив.
37. С легкой и пушистой текстурой, это самый мягкий торт.
38. Этo cамый вкycный и быстрый дeceрт из слоёного теста, который я когда-либо пробовала.
39. Маринованные помидоры. Предлагаю рецепт помидорчиков.
40. Внимание абитуриентам! Поступление в российские вузы станет сложнее: с 2026/27 учебного года вырастут минимальные проходные баллы ЕГЭ.
41. Формировать смородиновый куст можно как весной, так и осенью.
42. Как избавиться от грызунов на даче простыми средствами.
43. Пурпурная малина - настоящая Находка для вашего сада!
44. С утра иногда так хочется выпить ароматного бодрящего кофе.
45. Мигрень и боли в спине могут возникать из-за перфекционизма - у людей с хронической болью внутренний критик активен чаще обычного.
46. Что делать, если листья огурцов стали "Мраморные"?
47. Очень вкусная аджика на зиму!
48. Учёные выяснили, что в процессе работы мы задействуем всего около 40% умственных ресурсов.
49. Молодая кровь способна омолаживать тело - это доказали учёные.
50. Клематис "Герцогиня Эдинбургская" - это популярный сорт декоративного лианового растения из семейства лютиковых.