Roterende og klebrig proxyer i Scrapy med en nedlastingsmiddelvare

Scrapy HttpProxyMiddleware støtter autentiserte HTTP-proxyer gjennom Konfigurer den faktiske leverte gatewayen, utbred innstillingen til oppfølgingsforespørsler og verifiser den tildelte øktmodusen før du øker samtidighet.

2 min lesetid 4 seksjoner Gjennomgått 28. oktober 2026 Redaksjonsteamet Proxy Cyber

Den enkleste versjonen#

Klassifiser svaret før du prøver på nytt. En 403 kan indikere en tilgangsregel som en annen IP ikke vil løse. For 429, respekter Retry- After og reduser forespørselsfrekvensen; bruk begrenset tilbaketrekking for midlertidige tilkoblinger eller tjenerfeil. Prøv tilstandsendring bare når du kan unngå dupliserte handlinger.

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()}

En mellomvare for klebrig økter per elementName#

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

En klientøkt bruker sokler på nytt; bare den tildelte gatewayen bestemmer rotasjon og oppførsel for faste økter. Bruk øktparametrene som følger med tjenesten, og bekreft avslutningen over flere forespørsler. Å lukke en sokkel eller sende Connection: close garanterer ikke en annen IP.

Holde regningen nede#

Scrapy laster ikke bilder eller skript; HTML og JSON bare, så en side koster sin HTML-størrelse.
Aktiver komprimering (standard) og unngå Splash eller nettlesergjengivelse med mindre dataene trenger det.
Mellomlager med HTTPCACHE_ENABLED = True Under utvikling, slik at du ikke betaler for å hente de samme sidene mens du feilsøker velgere.

Per- domene høflighet#

Et IP-pool er en måte å være mange høflige besøkende, ikke én uhøflig en. CONCURRENT_REQUESTS_PER_DOMAIN AutoThrottle holder hvert mål på en menneskelig-plausibel hastighet per utgang; Retningslinjer for akseptabel bruk Forbuder alt som ser ut som et angrep.

Spørsmål folk stiller#

Trenger jeg scrapy-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.

Hvordan bruker jeg et annet land per forespørsel?

Sett request.meta ["country"] i edderkoppen og les den i mellomvare for å bygge -cc- parameteren; Eksemplet bruker en enkelt innstilling for kortfattethet.

Proxyer

Meny