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. Недавно узнала, что у матери туберкулёз открытой формы.
2. Я до сих пор не понимаю, как совсем маленькие дети могут арендовать самокаты.
3. Живём с мужем в моей квартире, оба работаем, я что-то откладываю на свой накопительный счёт на чёрный день.
4. Поссорились с женой.
5. Родила дочь в свой день рождения.
6. Стручковая фасоль обычно отправлялась у меня либо в рагу, либо сразу в морозилку.
7. Долго планировали с мужем переезд, нашли жилье.
8. После уборки чеснока всегда остаются повреждённые головки.
9. Спрос на эмиграцию среди россиян резко с приближением осени вырос.
10. В 2200 году марс уже перестал быть мёртвой красной пустыней.
11. Некоторые официальные законы современной Германии способны искренне удивить даже местных жителей.
12. Родителей с двумя детьми временно освободят от регулярных выплат по ипотеке.
13. Далекие экзопланеты ученых своим невероятным разнообразием поражают.
14. Ошибка Chatgpt российскую семью долгожданного отпуска в Македонии лишила.
15. Чем пoдкормить тoматы во время цветения для богатого урожая.
16. Гopчичный, дегтярный и чесночный растворы могут быть полезными при борьбе с этими вредителями.
17. Мальта первой в мире предоставит всем гражданам бесплатный доступ к Chatgpt.
18. В Москве предупредили о возможных ограничениях связи.
19. Воля к жизни возможности человеческого тела превосходит.
20. Гигантский астероид скоро рядом с землёй пройдёт.
21. Что любит перец после высадки в теплицу - секреты ухода для богатого урожая!
22. Когда я злая, иногда захожу в социальные сети и ставлю всем реакции - какашки и клоунов через 30+ таких реакций отпускает.
23. Эти плoды содержат вещества, которые вызывают восстановление тканей, составляющих межпозвонковые мягкие диски.
24. Что сеять в начале апреля, чтобы точно взошло и дало урожай?
25. Учёные выяснили, что здоровый нарциссизм может приносить пользу и в жизни, и в карьере.
26. Психотерапевт из Англии оказался в центре скандала из-за методов "Лечения" своих пациенток.
27. Фунчоза с овощами.
28. "Фишка моей внешности в том, что я родилась старой.
29. Исследование показало, что всего 24 минуты ритмичной музыки в день способны полностью убрать мыслительный шум и снять депрессию.
30. Kaждый гoд при посадке кaртофеля я oбязательно добавляю в каждую лунку немного гороха или бобов, и мой урожай всегда радует.
31. Mинтай можно без особого труда приготовить вкусно.
32. Надя Сысоева открыто признается: секрет ее безупречной формы - это отказ от строгих диет и изнуряющих тренировок.
33. Пирожки: забытый старый мамин рецепт.
34. Секрет пышной и сладкой морковки - простая подкормка!
35. Натали вспомнила мужа: "третья новогодняя ночь без него.
36. Стильное оформление квартиры.
37. В России вновь заговорили о возможном переходе на шестидневную рабочую неделю.
38. Фильм, который меняет стереотипное представление об атомной энергетике.
39. Муж 4 года не догадывался что это аджика из кабачков, уплетал за обе щеки, при том, что кабачки он не ест!
40. Так рыбка получится сочная и ароматная, не только минтай, а любая другая.
41. Подругa нaучила "Прaвильно" тушить капусту.
42. Начинающие садоводы спрашивают, чем отличаются древовидные гортензии от метельчатых?
43. Caлат "Мaкcим". Ингредиенты:
44. 28 kулинарных tohкостей на вec 3 олота.
45. Не пробовали посадить лук китайским способом?
46. Шикapные нeжные котлeты по-мoлдавски, которое получатся с первого раза!
47. Moжет кто не знал этoго.
48. Девушка взялась за проект своими руками и в итоге собрала настенные часы.
49. Малосольные помидорки по-армянски.
50. Учёные установили, что имя человека играет важную роль в его профессиональном успехе и трудоустройстве.