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. Организаторам отменённых концертов канье уэста может грозить уголовная ответственность.
2. Законы астрофизики вынесли вселенной беспощадный смертный приговор на триллионы лет вперед.
3. Скрытые протоколы авиации готовят экипаж к смертельным авариям в каждом рейсе.
4. В Москве вновь вводят жёсткие лимиты на продажу бензина и дизельного топлива.
5. Человечество не просто выживало в разных уголках планеты - оно менялось вместе с ними.
6. Россиянам нужно готовиться к значительно более долгой жизни и серьёзному увеличению рабочей нагрузки.
7. Ботва пожелтела, сосед уже достал вилы, и рука сама тянется копать картошку.
8. Автоваз крупнейшее обновление Lada Niva Legend за всю историю представил.
9. Как правильно разделить и пересадить лилии: пошаговая инструкция.
10. Мне было 27 и никаких отношений, хотя всё в порядке с внешним видом.
11. План для женщин, которые одиноки и ищут себе мужчину!
12. Россия полного цифрового суверенитета в ближайшие пару лет достигнет.
13. Я любовник замужней женщины.
14. Как-то довелось быть свидетелем диалога двух дачниц.
15. Гopчичный, дегтярный и чесночный растворы могут быть полезными при борьбе с этими вредителями.
16. Лиcтья свернулись и побелели после высадки в теплицу.
17. Туристка залезла на беременную ослицу в Дагестане и пинала её ногами в живот.
18. Для сохранения здоровья листьев огурцов и предотвращения их желтения, вот несколько проверенных рецептов:
19. Когда-то давно у меня был кот с сумасшедшим характером.
20. Цветы для ленивого сада: посадил и забыл на все лето.
21. В Рoccию пpишли клeщи - мутанты рода хиаломма - они не просто кусают, а целенаправленно преследуют людей!
22. Брак с разницей в возрасте и роскошные подарки вызвали обсуждения в соцсетях.
23. Повеяло летом. Клубника рекорд установила.
24. Банановая кожура в БОРЬБЕ с муравьями.
25. Всегда в путешествиях.
26. Когда я засматриваю сериал до дыр, но останавливаться не хочу, я просто начинаю смотреть его на английском языке.
27. Совет по рассаде томатов.
28. Этo oдин из тех рецептов, которые всегда выручают.
29. Знаменитая Анджелина Джоли сделала традиционную татуировку сак янт у мастера в Бангкоке еще в 2004 году.
30. Исследование рост половой дисфункции среди молодого поколения показало.
31. Японец двадцать шесть лет раскрытия убийства своей жены ждал.
32. Слова - обереги, которые важно знать:
33. Токсичное поведение на работе может стать причиной увольнения.
34. Самая мощная трава для мозгового кровообращения, сердца, сосудов, надпочечников, суставов, кожи, волос и не только!
35. Путешественник Фёдор конюхов за три месяца жизни в Антарктиде собрал более 100 кг пластикового мусора.
36. "Tы понимаешь, что тебя уже нет?
37. "Я пил их, Чтобы не Спать - и Почти Умер": жителю алматы пересадили сердце после пяти лет на энергетиках.
38. Приехал, посмотрел - старая печка трескается, швы осыпаются, тяга уже не та.
39. Маркетплейс Wildberries готов выйти за пределы онлайн - продаж и открыть собственную сеть отелей на популярных зарубежных курортах, сообщают СМИ.
40. Молодая британка, которая вела активный зож, пережила редкий и пугающий инцидент - её сердце остановилось прямо на рабочем месте.
41. Простое клубничное варенье.
42. Простой способ саморегулируемого полива при помощи пластиковых бутылок.
43. Арапайма звучит как имя из глубокой древности, и недаром.
44. Вкусный и ароматный салат "Парамониха" из свежих овощей.
45. Малина ведрами. Как удается получать такой урожай?
46. Тысячи российских продавцов несут миллионные убытки из-за огромной пробки на границе с Казахстаном.
47. Работа над настенной полкой своими руками успехом завершилась.
48. Исследования показали, что напиток возвращает клеткам энергию и активирует механизмы клеточной уборки.
49. В исследовании приняли участие 32 мужчины, недавно ставшие отцами.
50. Йосинори осуми - японский биолог, лауреат нобелевской премии по физиологии или медицине 2016 года.