Rotující a lepkavé proxy v Scrapy s downloader middleware

Scrapy HttpProxyMiddleware podporuje ověřené HTTP proxy přes request.meta ["proxy"] Konfigurujte skutečnou dodanou bránu, propagujte nastavení do následných požadavků a před zvýšením souběžnosti ověřte přiřazený režim relace.

2 min čtení 4 sekce Recenzováno 28. října 2026 Redakční tým Proxy Cyber

Nejjednodušší verze#

Chyba 403 může znamenat pravidlo přístupu, které nemůže být vyřešeno jinou IP adresou. U chyby 429 respektujte Retry-After a snižte rychlost požadavku; použijte omezené zpětné odpojení pro dočasná připojení nebo selhání serveru. Znovu zkuste změnit stav operací pouze tehdy, když můžete zabránit duplicitním akcím.

spider.py

import scrapy

PROXY = "http://USER-cc-us:PASS@res.proxy-cyber.com:9000"

class PricesSpider(scrapy.Spider):
    name = "prices"
    start_urls = ["https://example.com/catalog"]

    def start_requests(self):
        for url in self.start_urls:
            yield scrapy.Request(url, meta={"proxy": PROXY})

    def parse(self, response):
        for href in response.css("a.product::attr(href)").getall():
            yield response.follow(href, callback=self.parse_product, meta={"proxy": PROXY})

    def parse_product(self, response):
        yield {"url": response.url, "price": response.css(".price::text").get()}

Middleware pro sticky relace na položku#

Název souboru: middlewares.py

import hashlib

class Proxy CyberMiddleware:
    GATEWAY = "res.proxy-cyber.com:9000"

    def __init__(self, user, password, country):
        self.user, self.password, self.country = user, password, country

    @classmethod
    def from_crawler(cls, crawler):
        s = crawler.settings
        return cls(s.get("KEY_PROXY_USER"), s.get("KEY_PROXY_PASS"), s.get("KEY_PROXY_COUNTRY", "us"))

    def process_request(self, request, spider):
        # Sticky when the request carries a session key (e.g. one per product flow), rotating otherwise
        key = request.meta.get("session_key")
        user = f"{self.user}-cc-{self.country}"
        if key:
            sid = hashlib.sha1(key.encode()).hexdigest()[:12]
            user += f"-sid-{sid}-ttl-10m"
        request.meta["proxy"] = f"http://{user}:{self.password}@{self.GATEWAY}"

settings.py

DOWNLOADER_MIDDLEWARES = {
    "myproject.middlewares.Proxy CyberMiddleware": 350,   # before HttpProxyMiddleware (750)
}
KEY_PROXY_USER = "USER"
KEY_PROXY_PASS = "PASS"
KEY_PROXY_COUNTRY = "de"

CONCURRENT_REQUESTS = 32
CONCURRENT_REQUESTS_PER_DOMAIN = 8
AUTOTHROTTLE_ENABLED = True
AUTOTHROTTLE_TARGET_CONCURRENCY = 4.0
DOWNLOAD_TIMEOUT = 45
RETRY_ENABLED = True
RETRY_TIMES = 2
RETRY_HTTP_CODES = [408, 429, 500, 502, 503, 504, 522, 524]
COMPRESSION_ENABLED = True

Relace klienta opakovaně používá sokety; pouze přiřazená brána určuje rotaci a chování setrvačné relace.Používejte parametry relace dodané se službou a ověřte ukončení v několika požadavcích.Zavření socketu nebo odeslání Connection: close nezaručuje jinou IP adresu.Client session reuses sockets; only the assigned gateway determines rotation and sticky-session behavior.

Udržování účtu nízko#

Scrapy nenačítá obrázky nebo skripty; HTML a JSON pouze, takže stránka stojí jeho velikost HTML.
Povolit kompresi (výchozí) a vyhnout se Splash nebo vykreslování prohlížeče, pokud to data nepotřebují.
Cache s HTTPCACHE_ENABLED = True během vývoje, takže nemusíte platit za opětovné načtení stejných stránek při ladění selektorů.

Per-domain politeness#

Bazén je způsob, jak být mnoho zdvořilých návštěvníků, ne jeden nezdvořilý. CONCURRENT_REQUESTS_PER_DOMAIN a AutoThrottle udržují každý cíl v lidské věrohodné rychlosti na výstup; Zásady přijatelného použití zakazuje cokoliv, co vypadá jako útok.

Otázky, které lidé kladou#

Potřebuji scrapy-rotating-proxy?

Není to u gateway: rotace se děje na straně Proxy Cyber pro každé nové připojení. Tento balíček spravuje seznamy statických proxy; s res.proxy-cyber.com je jeden proxy, který je třeba nakonfigurovat.

Jak mohu použít jinou zemi pro každý požadavek?

Nastavte request.meta["country"] v pavoukovi a přečtěte jej ve middlewaru pro vytvoření parametru -cc-; příklad používá jediné nastavení pro stručnost.

Proxy

Menu