가장 간단한 버전#
재시동하기 전에 응답을 분류합니다. 403은 다른 IP가 해결되지 않을 수있는 액세스 규칙을 나타냅니다. 429의 존경 Retry-After 및 요청 속도를 감소; 임시 연결 또는 서버 실패에 대한 경계 백 오프를 사용합니다. 중복 작업을 방지 할 때만 재시동 작업.
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()}아이템당 끈끈한 세션을 위한 미들웨어#
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}"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 = True연결 재사용 및 IP 할당은 다른 제어입니다. 클라이언트 세션은 소켓을 재사용합니다. 할당 된 게이트웨이는 교체 및 끈적한 세션 동작을 결정합니다. 귀하의 서비스로 제공되는 세션 매개 변수를 사용하고 여러 요청을 통해 출구를 확인합니다. 소켓을 닫거나 연결을 전송하십시오. 닫기는 다른 IP를 보장하지 않습니다.
아래 청구서를 유지#
- Scrapy는 이미지 또는 스크립트를로드하지 않습니다. HTML 및 JSON 만 페이지는 HTML 크기로 비용이 들립니다.
- Enable 압축 (과태) 및 피
Splash또는 데이터가 필요하지 않는 브라우저 렌더링. - 캐시와
HTTPCACHE_ENABLED = True개발 중에 선택자를 디버깅하면서 동일한 페이지를 다시 읽지 못합니다.
Per-domain 비석#
수영장은 많은 유석 방문객이 될 수있는 방법입니다. 1 불빛이 아닙니다. CONCURRENT_REQUESTS_PER_DOMAIN 그리고 AutoThrottle는 출구 당 인간 가능한 비율에 각 표적을 지킵니다; 법적 책임 공격처럼 보이는 것을 금지합니다.
자주 묻는 질문#
나는 스크랩 - 회전 - 프로판이 필요합니까?
게이트웨이가 없습니다. 교체는 Proxy Cyber 측에 모든 새로운 연결이 가능합니다. 즉, 패키지는 정적 프록시 목록을 관리합니다. res.proxy-cyber.com에는 구성할 프록시가 있습니다.
요청 당 다른 국가를 어떻게 사용합니까?
settings request.meta["country"] in the Spider and read it in the middleware to build the -cc- 매개 변수; 예를 들어 brevity에 대한 단일 설정을 사용합니다.