Pyörivät ja tahmeat välityspalvelimet Scrapyssa lataajan väliohjelmistolla

Scrapyn HttpProxyMiddleware tukee todennettuja HTTP-välityspalvelimia request.meta ["proxy"]: n kautta Määritä varsinainen toimitettu yhdyskäytävä, levitä asetus seuraaviin pyyntöihin ja tarkista määritetty istuntotila ennen samanaikaisuuden lisäämistä.

2 min lukeminen 4 osaa Tarkastettu 28. lokakuuta 2026 Toimituskunta Proxy Cyber

Yksinkertaisin versio#

Luokittele vastaus ennen uudelleenyritystä. 403 voi tarkoittaa käyttösääntöä, jota toinen IP-osoite ei pysty ratkaisemaan. Jos kyseessä on 429, noudata Retry-After -käytäntöä ja vähennä pyyntöjen määrää; käytä rajoitettua takautumista tilapäisten yhteyksien tai palvelinvirheiden varalta. Yritä tilanmuutostoimintoja uudelleen vain silloin, kun voit estää päällekkäiset toiminnot.

Hämähäkki.

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()}

Väliohjelmisto tahmeille istunnoille kohdetta kohti#

Tiedoston middlewares.py poistaminen

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

Yhteyden uudelleenkäyttö ja IP-osoitteen määrittäminen ovat eri asioita. Asiakastilaus käyttää socketeja uudelleen; vain määritetty yhdyskäytävä määrittää vuorottelun ja pysyvän istunnon toiminnan. Käytä palvelun mukana toimitettuja istuntoparametreja ja tarkista poistuminen useiden pyyntöjen aikana. Socketin sulkeminen tai Connection: close -komennon lähettäminen ei takaa erilaista IP-osoitetta.

Laskun pitäminen alhaisena#

Scrapy ei lataa kuvia tai skriptejä; HTML ja JSON vain, joten sivu maksaa sen HTML-koko.
Ota pakkaus käyttöön (oletus) ja vältä Splash tai selaimen renderöinti, ellei data tarvitse sitä.
Välimuisti HTTPCACHE_ENABLED = True Tämän vuoksi et joudu maksamaan samojen sivujen hakemisesta uudelleen valitsimien virheenkorjauksen aikana.

Verkkotunnusta koskeva kohteliaisuus#

Allas on tapa olla monia kohteliaita vierailijoita, ei yksi epäkohtelias yksi. CONCURRENT_REQUESTS_PER_DOMAIN AutoThrottle pitää jokaisen kohteen ihmisen uskottavassa nopeudessa ulosmenoa kohti; Hyväksyttävän käytön politiikka Kielletään kaikki, mikä näyttää hyökkäykseltä.

Ihmiset kysyvät kysymyksiä#

Tarvitsenko scrappy-rotating-proxies?

Not with a gateway: rotation happens on the Proxy Cyber side for every new connection. That package manages lists of static proxies; with res.proxy-cyber.com there is one proxy to configure.

Miten käytän eri maata pyyntöä kohden?

Aseta request.meta["country"] hämähäkissä ja lue se väliohjelmistossa rakentaaksesi -cc-parametrin; esimerkki käyttää yhtä ainoaa asetusta lyhyyteen.

Proxyt

Valikko