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. Теперь заказы с Ozon будут ехать из Казахстана - доставка в Россию займет до пяти дней.
2. В 11 лет я сломала нос.
3. Стручковая фасоль обычно отправлялась у меня либо в рагу, либо сразу в морозилку.
4. Разрезала огромный арбуз, а он оказался из тех, которые красивые только на фотографии: красный, сочный, но сладости почти нет.
5. Малина отплодоносила - и рука так и тянется оставить всё до весны.
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. Соседка уже спрашивает, когда будем сажать озимый чеснок.
9. Осталась часть отпуска, для поездки на море мало, а вот к бабуле в деревню на недельку - самое то.
10. После последней ягоды про клубнику легко забыть до следующей весны.
11. Дочке десять лет, смотрится даже помладше из-за маленького роста.
12. Свёкла наполовину торчит из земли - это ещё не значит, что она срочно просится в погреб.
13. В Дубае существует район, который кажется ошибкой самой реальности.
14. Баклажаны с перцем и чесноком: готовлю целую сковороду, а до утра ничего не остаётся.
15. Розы отцвели и стоят неряшливые: что я делаю, чтобы увидеть вторую волну цветения.
16. Тот самый трендовый соус "Релиш" из огурцов, который взорвёт ваши бургеры, хот-доги и сосиски в тесте!
17. Роскошные пиры древних римских императоров часто шокировали своими безумными кулинарными шедеврами.
18. Дочку с самого детства учила нести ответственность за свои поступки.
19. Жестокая реальность древнего Египта намного страшнее школьных учебников оказалась.
20. Далекие экзопланеты ученых своим невероятным разнообразием поражают.
21. Уволенных россиян официально призвали готовиться к целому году безработицы.
22. У чеснока есть один важный момент - пропустите его, и головки останутся мелкими.
23. Подорожник на участке: пора проверять почву!
24. Здравствуйте, участники сообщества!
25. В центробанке заявили о слишком медленном сокращении сотрудников в компаниях.
26. Как буддийские монахи вышли на протест и столкнулись с полицией.
27. Учёные раскрыли причину, почему кошки часто не доедают привычный корм.
28. В России растёт число пар, которые вынуждены спать раздельно из-за храпа.
29. Сковорода шипит, пирожки румянятся, а настроение становится праздничным.
30. В Госдуме предложили необычный способ провести время без интернета.
31. Чтобы сохранить фигуру и здоровье, важно ложиться спать вовремя.
32. В МВД предупредили, что "Умные" колонки могут использоваться для прослушивания.
33. Детские больницы кабинеты МРТ в сказочные пространства для снижения стресса превращают.
34. Плoxие coceди для смородины.
35. Когда сажать рассаду: лунный посевной календарь на 2026 год по месяцам и советы агрономов.
36. Самый возрастной ветеран великой отечественной войны умер.
37. Пиpoжки: зaбытый стapый мaмин рeцепт.
38. Надя Сысоева открыто признается: секрет ее безупречной формы - это отказ от строгих диет и изнуряющих тренировок.
39. Пepecтаньте борoться с мoкрицей!
40. Салат "Кремлёвский": когда хочется почувствовать себя особой королевских кровей!
41. Пpoще пpocтого! Никто не догадается как оно сделано!
42. Ситуация с вич в России остаётся критической: по официальным данным, инфицирован каждый сотый россиянин.
43. Россияне активно готовятся к новому году, и спрос на интимные стрижки взлетел на 60%.
44. Это закуска на любом застолье на ура уходит!
45. Сотруднику Apple по имени Сэм Санг пришлось сменить фамилию, чтобы не рекламировать конкурента!
46. В России внезапно вырос спрос на необычную процедуру - мужики массово колют ботокс в яички.
47. Маленькие, но важные детали делают интерьер особенным.
48. Девушка превратила обычный угол в стильное пространство с помощью деревянной полочки.
49. Аптечка для ваших растений.
50. Перцу нездоровится? Как по листьям определить, чего не хватает вашим перцам.