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. Хроническая бедность способна значительно ускорять естественное старение организма.
2. Пять великих мыслителей трагически заплатили жизнью за свои смелые убеждения.
3. Сервис такси Bolt уволил всех кадровиков ради эффективности.
4. Малина в июне в правильной подкормке нуждается.
5. У дачного отдыха есть одна особенно коварная привычка: всё, что пахнет летом, дымком и мясом, автоматически кажется почти невинным.
6. В России обновили правила сдачи экзаменов на водительские права.
7. Архивные фото Ирины шейк из юности.
8. Опилки на грядках: бесплатное золото или яд для урожая?
9. Важные правила подкормки, о которых нельзя забывать.
10. В Рoccию пpишли клeщи - мутанты рода хиаломма - они не просто кусают, а целенаправленно преследуют людей!
11. Лопух - это не просто сорняк, который растёт на каждом участке, а настоящее кладовое растение для огородника и здоровья.
12. Брак с разницей в возрасте и роскошные подарки вызвали обсуждения в соцсетях.
13. Гигантский астероид скоро рядом с землёй пройдёт.
14. Банановая кожура в БОРЬБЕ с муравьями.
15. Цензура запросов к искусственному интеллекту обсуждается в России.
16. Этo oдин из тех рецептов, которые всегда выручают.
17. Что сеять в начале апреля, чтобы точно взошло и дало урожай?
18. 1941 год. Украина, первые месяцы оккупации.
19. Картофельные ростки: золотой актив, который вы зря выбрасывали!
20. Дepeвья - оcyшители: что пocaдить рядом с выгребной ямой, чтобы не откачивать её.
21. 1 таблетка под любой домашний цветок и даже чахлый оживет и пышно зацветет!
22. Ecли у вас дoма на подоконнике живет герань, то болезни будут обходить.
23. Приехал, посмотрел - старая печка трескается, швы осыпаются, тяга уже не та.
24. Их форма, цвет и даже расположение никогда не бывают случайными.
25. Мужик ушёл в запой на четыре дня, а проснулся владельцем футбольного клуба - и не помнит, как это произошло.
26. В России вновь заговорили о возможном переходе на шестидневную рабочую неделю.
27. Простое клубничное варенье.
28. Россияне внезапно кинулись скупать видеокарты, и спрос взлетел почти на 400%.
29. В это сложно повeрить, но самая жирная смородина растет на резаной бахче.
30. Помню, как у бабушки на кухне всегда пахло дрожжевым тестом.
31. Процесс создания зеркала своими руками настолько залипательный, что сложно отвести взгляд.
32. Это закуска на любом застолье на ура уходит!
33. Эти парковочные роботы, работающие на базе искусственного интеллекта, незаметно меняют правила игры.
34. Зачем нам медный и железный купорос.
35. Девушка решила добавить уюта в кухню и сделала коврик под тарелку в деревенском стиле.
36. Девушка взялась за проект своими руками и в итоге собрала настенные часы.
37. Спорт действительно мощно омолаживает организм - это официально подтвердили ученые.
38. Быстро, красиво и почти без усилий - именно так была создана её настенная подставка.
39. Кто сказал, что шестиугольники только у пчёл?
40. Учёные выяснили, что в процессе работы мы задействуем всего около 40% умственных ресурсов.
41. Вкусный рецепт бургера с курочкой.
42. Для пропитки древесины существует несколько эффективных средств, выбор которых зависит от целей обработки и условий эксплуатации.
43. Днём у светофора возле заправки женщина ударила по автомобилю, после чего залезла на его капот и крышу.
44. Топ-11 открытых инструментов для веб-скрапинга в 2025 году
45. Топ-10 инструментов для веб-скраппинга 2025: Ускорьте извлечение данных
46. Подкормка болгарского перца: схема для обильного урожая.
47. Высший пилотаж на самолёте - это искусство управлять машиной так, чтобы она выполняла сложные фигуры в небе.
48. Женский реслинг - это не просто шоу, а серьёзная работа, требующая силы, выносливости и сцены.
49. Среди ледяных просторов севера, где почти нет деревьев и зима длится большую часть года, живёт арктический волк.
50. Габионы - это такие красивые и прочные конструкции, которые используют для укрепления берегов, создания декоративных стен и ландшафтных украшений.