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. Крупные авиакомпании тщательно от пассажиров многие шокирующие секреты скрывают.
2. Некоторые официальные законы современной Германии способны искренне удивить даже местных жителей.
3. Официальная мировая история помнит только выдающихся мужчин - победителей.
4. Формировка огурцов. 1. начинаю с нижней части.
5. Мы удаляем листья у томата по правилам!
6. Россия полного цифрового суверенитета в ближайшие пару лет достигнет.
7. В Японии открылся уникальный музей для всех ценителей женских ног.
8. Добрый день! Вдруг кто с подобным … сталкивался.
9. С 1 сентября в России планируют обновить перечень медицинских специальностей.
10. Возможную блокировку Github снова обсуждают в России.
11. Завязей на томатах будет море, а фитофтора обойдёт стороной.
12. Подорожник на участке: пора проверять почву!
13. Препараты от болезней томатов!
14. Турецкий огуречный салат.
15. Когда мне было 12 лет, в нашей семье появилась стиральная машина - автомат.
16. Ростки картофеля: ценный ресурс, который вы зря выбрасываете!
17. Полёты к луне снова реальностью спустя десятилетия стали.
18. 10 растений с белыми цветами.
19. Последний защитник брестской крепости.
20. Koгда затонул "Титаник", на борту судна нaxoдился миллионер Джон Джейкоб астop IV.
21. Горсть миндаля в день может заметно улучшить состояние кожи.
22. В США появились биохакерские ретриты за 20 тысяч долларов, которые обещают участникам "Дополнительные Годы Жизни".
23. Glass Gem. Этo cпециально вывeденный сopт кукурузы с разноцветными зёрнами.
24. Секрет пышной и сладкой морковки - простая подкормка!
25. Hacтойка, приготовленная по традиционному рецепту:
26. На заметку садоводам.
27. Heжеланные coceди для груши: с кем oна "не Дрyжит".
28. В России вновь заговорили о возможном переходе на шестидневную рабочую неделю.
29. Молодая британка, которая вела активный зож, пережила редкий и пугающий инцидент - её сердце остановилось прямо на рабочем месте.
30. Простое клубничное варенье.
31. Дeвочки, прошу вaшего совета.
32. Новое исследование показало, что популярный в России сахарозаменитель сукралоза может разрушать человеческую днк и вызывать мутации.
33. Работа над настенной полкой своими руками успехом завершилась.
34. Чем обработать теплицу осенью от болезней и вредителей?
35. Нашим любимым подписчикам, дачникам и садоводам на заметку.
36. Какие лилии могут зимовать в грунте!
37. Врачи предупреждают: привычка откладывать будильник может способствовать набору лишнего веса.
38. Рецепт вкусной и ароматной аджики, которая так замечательно сочетается с нашим любимым шашлычком.
39. Как понять, что тыква созрела?
40. Топ-10 бесплатных веб-скрейперов 2025: выбор профессионалов
41. Топ-11 лучших инструментов для веб-скраппинга в 2025 году
42. Топ-13 расширений Chrome для веб-скраппинга в 2025 году: обзор и рекомендации
43. Как ухаживать за сливой, чтобы собрать щедрый урожай.
44. Топ-12 прокси для Minecraft 2025: играйте без лагов и наслаждайтесь гладкой игрой
45. Высший пилотаж на самолёте - это искусство управлять машиной так, чтобы она выполняла сложные фигуры в небе.
46. Психологи напоминают: плакать - это не слабость, а естественный способ справиться с эмоциями и стрессом.
47. Посев астры: 3 правила успеха.
48. Народные методы избавления от травы на садовых дорожках:
49. Дорогие мои, вот как я обычно вешаю цветочный горшок на веревку - это просто и красиво, а главное, надежно!
50. В этом посте мы расскажем, как начать свой бизнес с нуля