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. Живём с мужем в моей квартире, оба работаем, я что-то откладываю на свой накопительный счёт на чёрный день.
2. Челябинский курьер Михаил Савицкий масштабировал свой вирусный Хайп в реальную платформу для спасения животных.
3. Цветную капусту у нас обычно едят без большого восторга.
4. Стручковая фасоль обычно отправлялась у меня либо в рагу, либо сразу в морозилку.
5. Адам Сандлер превратил свою жену в обязательный элемент почти всех своих фильмов.
6. Все выбрасывают арбузные корки, а я замариновала одну банку.
7. Пустая грядка в августе не обязана два месяца выращивать сорняки.
8. Дочь воспитывает 5-летнего сына одна, горе - папаша слился после отказа сделать аборт.
9. Пробу снимаю еще горячей и каждый раз радуюсь: кабачки не развариваются, а соус получается густым и пикантным.
10. Четыре салата в банках на зиму.
11. Всю зиму не могла нарадоваться этими огурчиками: маринованные огурцы по-фински.
12. Дeлaю yжe втopую нeдeлю.
13. Мой муж в течение четырёх лет не подозревал, что это аджика из кабачков, он с удовольствием её ел, хотя кабачки обычно не любит!
14. Много лет отжиралась, но сейчас железно решила сесть на диету.
15. Tля на сморoдинe. 2.
16. Я вегетарианка. И стоит мне сказать об этом, как начинаются расспросы, упреки и ценные указания.
17. Даже ослабленные и истощённые огурцы быстро начнут расти и перестанут болеть, если их поливать следующими растворами:
18. Воля к жизни возможности человеческого тела превосходит.
19. Почему вы зря деревья от лишайника белите?
20. 10 растений с белыми цветами.
21. Путешествие любви, которое пересекло континенты, началось в отдалённой деревне Индии.
22. Когда сажать рассаду в 2026 году - удобная шпаргалка для огородников.
23. Дeвочки, это сaмый крyтой зaвтрак.
24. Художник цифрового коллажа Угур галленкуш создаёт выразительные работы о глобальной несправедливости.
25. Когда сажать рассаду: лунный посевной календарь на 2026 год по месяцам и советы агрономов.
26. Дочь марии Шукшиной раскрыла боль семейных отношений.
27. Их форма, цвет и даже расположение никогда не бывают случайными.
28. Когда внешний мир исчезает, полёт превращается в абсолютное доверие приборам и технологиям.
29. Peцепт лимонада, от котopoго дети будут в восторге: 10 литров без химии.
30. Замечательный закусочный торт из нежной куриной грудки!
31. На первый взгляд это выглядит безумно, пока не становится ясно: так восстанавливают работу линии высокого напряжения, не отключая электричество.
32. На новый год обязательно буду готовить, потому что этот бюджетный малыш разлетается с тарелки быстрее всех сложных блюд!
33. Готовлю ужин всего за 10 минут: 1 стакан кефира, и вот уже вкусное блюдо готово!
34. Лариса долина публично обвинила "Хейтеров и Ботов" в срыве своих концертов.
35. Гoтовила вчера "Напoлеон" по нoвому - точно стоит попробовать.
36. Полезная памятка средств для сада и огорода.
37. Немного клея, деревянные палочки и чуточку фантазии и рождается мини - ёлочка.
38. Moжет кто не знал этoго.
39. Разбираемся как бороться с червяками на малине.
40. HR - специалисты бьют тревогу: зумеры всё чаще отказываются выходить на работу, ссылаясь на панические атаки.
41. Сердце в словах: почему мы так любим любовные романы
42. Розу из подаренного букета очень просто укoренить!
43. Самодельный светильник - маленькое чудо для спальни.
44. Мигрень и боли в спине могут возникать из-за перфекционизма - у людей с хронической болью внутренний критик активен чаще обычного.
45. В московских клиниках лечение на современном оборудовании нормой стало.
46. 5 секретов обильного урожая огурцов.
47. От автомобилей до космических аппаратов: человечество постоянно разгоняется до невероятных скоростей.
48. Учёные из пермского политеха обнаружили радиацию в китайских гибридных автомобилях, превышающую норму в восемь раз.
49. В исследовании приняли участие почти 8 тысяч женщин, и результаты оказались однозначными: разница в уровне удовлетворённости отношениями ощутима.
50. 5 лучших подкормок для огорода - проверено на практике.