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. Мне 48, и я ухаживаю за своей лежачей матерью, ей 84.
2. Некоторые самолёты исчезли так, будто не существовали вовсе.
3. Я в небогатой семье с двумя братьями росла.
4. Российский бизнес заставят отказаться от передового мирового искусственного интеллекта.
5. Результат поразил: кислые сливы, которые никто не хотел есть, превратились в густой соус к мясу.
6. На столе опять собралась миска яблок, которые никто не хотел есть.
7. Раньше резала весь перец кубиками, честно заполняла им десять пакетов, а зимой вдруг хотелось нафаршировать перчики.
8. Ты думаешь, что просто утоляешь жажду, но на самом деле каждый день выпиваешь бомбу замедленного действия.
9. Клубника отплодоносила, но бросать её до весны нельзя.
10. Депутат Горелкин слухи о блокировке Steam в России развеял.
11. Четыре салата в банках на зиму.
12. Выкопать картошку и сразу засыпать её в мешки - самый быстрый способ спрятать вместе с урожаем гниль, порезы и больные клубни.
13. Автоваз крупнейшее обновление Lada Niva Legend за всю историю представил.
14. Мой муж в течение четырёх лет не подозревал, что это аджика из кабачков, он с удовольствием её ел, хотя кабачки обычно не любит!
15. Маринованные помидоры с чесноком быстрого приготовления.
16. Российские вузы начали отменять привычные дипломы из-за стремительного развития современных нейросетей.
17. Древний Египет - это не только золото и пирамиды, но и пугающая изнанка.
18. Подкормки для петуний: как получить море цветов на балконе и в клумбе.
19. Небольшой сицилийский городок чентурипе поразительно напоминает силуэт человека.
20. Американская фирма случайно потратила огромные деньги на токены для популярной нейросети.
21. Без иронии, вначале попробуйте, это очень вкусный напиток.
22. Пекинская капуста даст крепкие кочаны, если посеять её в нужный срок.
23. Совершенно неважно, сколько было выпито до этого: две бутылки вина или две бутылки текилы.
24. Соседи в шоке: зачем я кладу горох в каждую лунку с картофелем?
25. Цензура запросов к искусственному интеллекту обсуждается в России.
26. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
27. Ваши вопросы: пожелтела совсем туя после зимы.
28. Когда смотрю квартиры, чтобы снять себе жильё, делаю акцент на ремонте.
29. Полёты к луне снова реальностью спустя десятилетия стали.
30. Луис гибсон создала сотни узнаваемых лиц с помощью карандаша.
31. В Алматы установили памятник истории спасения собаки живой цепью.
32. Пepвое опрыскивание сада: чем, когда и как обрабатывать деревья и кустарники.
33. Плoxие coceди для смородины.
34. Oбычный лавровый лист заставит комнатные растения пышно цвести.
35. Денежное дерево, всего одной ложкой этого ингредиента оно зацветет замечательно.
36. Hacтойка, приготовленная по традиционному рецепту:
37. В Китае привели в исполнение смертный приговор бывшему главе инвесткомпании Huarong International бай тяньхуэю.
38. Психологи предупреждают: игнорирование открыток и сообщений от бабушек может навредить их здоровью.
39. Как правильно подкармливать пионы чтобы они пышно цвели.
40. Caлат "Мaкcим". Ингредиенты:
41. Простой способ саморегулируемого полива при помощи пластиковых бутылок.
42. Насыпной пирог с творожной начинкой.
43. Этот робот не просто убирает ваш дом - он его изучает.
44. Нaучилась применять перекись + уксус для огурцов во второй половине летa.
45. Аромат осени в банке - яблочное варенье с корицей.
46. Мы не дадим слизням перезимовать!
47. В России начались испытания новой вакцины против аллергии.
48. Осень - лучшее время, чтобы дать газону "Второе Дыхание".
49. В США готовятся подписать на главные фильмы, сериалы и рекламу актрису тиллу норвуд с одной оговоркой: тиллы не существует, это полностью ИИ.
50. Врачи предупреждают: привычка откладывать будильник может способствовать набору лишнего веса.