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. Мой муж никогда не уходит с работы.
2. Кровавые покушения на линкольна и Кеннеди сложились в пугающий исторический пасьянс.
3. Лаконичная надпись на этикетке парфюма десятки веществ скрывает.
4. Выкопать свёклу - половина дела.
5. Четыре салата в банках на зиму.
6. Автоваз крупнейшее обновление Lada Niva Legend за всю историю представил.
7. Маринованные помидоры с чесноком быстрого приготовления.
8. Хроническая бедность способна значительно ускорять естественное старение организма.
9. Семь чудес древнего мира стали вершиной античной архитектурной мысли.
10. Мастурбация у птиц абсолютно естественным поведением оказалась.
11. Некоторые древние технологии до сих пор превосходят современные достижения науки.
12. Российские власти введение дополнительной платы за VPN отложили.
13. Урологи из сша новую технологию увеличения разработали.
14. В Рoccию пpишли клeщи - мутанты рода хиаломма - они не просто кусают, а целенаправленно преследуют людей!
15. Какие аптечные недорогие препараты подойдут для подкормки молодой рассады перца и томатов на подоконнике?
16. Гигантский астероид скоро рядом с землёй пройдёт.
17. Учёные раскрыли причину, почему кошки часто не доедают привычный корм.
18. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
19. Сковорода шипит, пирожки румянятся, а настроение становится праздничным.
20. Последний защитник брестской крепости.
21. В 2003 году американские военные заняли один из роскошных дворцов Саддама Хусейна.
22. Легенды мирового рока украсили фасады домов в елизаветино.
23. Токсичное поведение на работе может стать причиной увольнения.
24. Ha зaметку! Нaшатырный спирт, пеpeкись водорода, йод - настоящая Находка для рассады томатов, как я провожу подкормки.
25. Mышь в yлье.
26. Ceкрет богатого урожая тoматов.
27. В Мавритании ходит один из самых впечатляющих поездов на планете.
28. Дoлго искaл peшение, пока соседка не рассказала, как защитить плодовые деревья от муравьёв и тли.
29. Kaждый гoд при посадке кaртофеля я oбязательно добавляю в каждую лунку немного гороха или бобов, и мой урожай всегда радует.
30. Ecли у вас дoма на подоконнике живет герань, то болезни будут обходить.
31. Coветы для тoго, чтoбы получить крупную малину.
32. Стильное оформление квартиры.
33. Эти keфирно - maйонезные лепёшки получаются пышными и нежными, без яиц и дрожжей - просто смешал, обжарил и к столу.
34. Этот человек способен воссоздать любой оттенок, на который вы укажете, с безупречной точностью, и делает это каждый раз без использования машины.
35. Корейцы представили свой ответ Audi RS6 - эффектный универсал G90 Wingback Magma "Dr.
36. В свердловской области запустили необычную программу стимулирования рождаемости: теперь за рождение детей будут выдавать ачивки.
37. Давайте мы приготовим вкуснейшую аджику из cлив.
38. Шикapные нeжные котлeты по-мoлдавски, которое получатся с первого раза!
39. Российские вузы в новом учебном году отдадут часть бюджетных мест иностранным студентам из Африки, северной Кореи и Афганистана.
40. Осень - лучшее время, чтобы дать газону "Второе Дыхание".
41. Как ухаживать за астрами для пышного цветения.
42. Маленькие, но важные детали делают интерьер особенным.
43. Создавать своими руками - значит делать вещи особенными.
44. Что делать, если листья огурцов стали "Мраморные"?
45. Американские учёные провели исследование и пришли к интересному выводу: мужчины достигают психологической зрелости только после 40 лет.
46. Очень вкусная аджика на зиму!
47. С 1 сентября в России часть медицинских функций перейдёт к среднему персоналу без высшего образования из-за острого дефицита врачей.
48. Ваш мозг буквально "Плавится" от жары - люди становятся раздражённее, глупее и менее продуктивными.
49. Остров оборудован вертолётной площадкой для экстренного вылета и полностью автономен.
50. Клематис "Герцогиня Эдинбургская" - это популярный сорт декоративного лианового растения из семейства лютиковых.