Rotiranje in lepljivi proxyji v Scrapyju z vmesnikom za prenos

Scrapyjeva HttpProxyMiddleware podpira avtentificirane HTTP proxyje preko request.meta["proxy"] Konfigurirajte dejanski dostavljeni gateway, razširite nastavitev na nadaljnje zahteve in preverite dodeljeni način seje pred povečanjem sočasnosti.

2 min branje 4 odseki Pregled 28. oktober 2026 Uredniška ekipa Proxy Cyber

Najpreprostejša različica#

403 lahko označuje pravilo dostopa, ki ga drugi IP ne bo razrešil. Za 429 upoštevajte Retry-After in zmanjšajte hitrost zahteve; uporabite omejeno začasno zaustavitev za začasne povezave ali napake strežnika. Ponovno poskusite operacije spreminjanja stanja le, če lahko preprečite podvojena dejanja.

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 za lepljive seje na element#

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

Ponovna uporaba povezave in dodelitev IP sta različni kontrolniki. Odjemalska seja ponovno uporablja vtičnice; samo dodeljeni prehod določa rotacijo in vedenje lepljive seje. Uporabite parametre seje, ki so priloženi vaši storitvi, in preverite izhod na več zahtevah. Zapiranje vtičnice ali pošiljanje Povezava: zaprite ne zagotavlja drugačnega IP-ja.

Znižanje računa#

Scrapy ne nalaga slik ali skriptov; samo HTML in JSON, zato stran stane svojo velikost HTML.
Omogoči stiskanje (privzeto) in se izogibaj Splash ali brskalnik upodabljanja, razen če podatki potrebujejo to.
Predpomnilnik z HTTPCACHE_ENABLED = True Med razvojem, tako da ne plačate za ponovno pridobivanje istih strani med odpravljanjem napak selektorjev.

Vljudnost na domeno#

Bazen je način, da so številni vljudni obiskovalci, ne en nesramen. CONCURRENT_REQUESTS_PER_DOMAIN AutoThrottle ohranja vsak cilj na človeško verjetni stopnji na izhod; Politika sprejemljive uporabe Prepoveduje vse, kar izgleda kot napad.

Vprašanja, ki jih ljudje postavljajo#

Ali potrebujem scrapy-rotating-proxies?

Ne z gatewayjem: rotacija se zgodi na strani Proxy Cyber za vsako novo povezavo. Ta paket upravlja s seznamom statičnih proxyjev; z res.proxy-cyber.com je en proxy, ki ga je treba konfigurirati.

Kako lahko uporabim drugo državo za vsak zahtevek?

Nastavite request.meta["country"] v pajku in ga preberite v middleware-u, da zgradite parameter -cc-; primer uporablja eno nastavitev za kratkost.

Proxyji

Meni