Roterande och klibbiga proxies i Scrapy med en nedladdare middleware

Scrapys HttpProxyMiddleware stöder autentiserade HTTP-proxies genom Konfigurera den faktiska levererade gatewayen, sprid inställningen till uppföljningsbegäranden och verifiera det tilldelade sessionsläget innan du ökar samtidigheten.

2 min lästid 4 sektioner Granskad 28 oktober 2026 Redaktionsteamet Proxy Cyber

Den enklaste versionen#

Klassificera svaret innan du försöker igen. Ett 403-fel kan indikera en åtkomstregel som inte kommer att lösas av en annan IP-adress. För 429, respektera Retry-After och minska begäranshastigheten; använd begränsad backoff för tillfälliga anslutningar eller serverfel.

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 middleware för sticky sessioner per objekt#

Sök efter 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

Återanvändning av anslutning och IP-tilldelning är olika kontroller. En klientsession återanvänder sockets; endast den tilldelade gatewayen bestämmer rotation och sessionsbeteendet för fasta sessioner. Använd sessionsparametrarna som medföljer tjänsten och verifiera utgången över flera begäranden. Att stänga en socket eller skicka Connection: close garanterar inte en annan IP.

Håller räkningen nere#

Scrapy laddar inte bilder eller skript; HTML och JSON bara, så en sida kostar sin HTML-storlek.
Aktivera komprimering (standard) och undvik Splash eller webbläsare rendering om inte data behöver det.
Cache med HTTPCACHE_ENABLED = True under utvecklingen så att du inte betalar för att hämta samma sidor igen när du felsöker väljare.

Hövlighet per domän#

En pool är ett sätt att vara många artiga besökare, inte en oförskämd en. CONCURRENT_REQUESTS_PER_DOMAIN och AutoThrottle håller varje mål på en mänsklig-plausibel hastighet per utgång; Policy för godtagbar användning förbjuder allt som ser ut som en attack.

Frågor som folk ställer#

Behöver jag scrapy-rotating-proxies?

Inte med en gateway: rotation sker på Proxy Cyber-sidan för varje ny anslutning.Det paketet hanterar listor över statiska proxyserver; med res.proxy-cyber.com finns det en proxy att konfigurera.

Hur använder jag ett annat land per förfrågan?

Ställ in request.meta["country"] i spindeln och läs den i mellanprogrammet för att bygga -cc-parametern; exemplet använder en enda inställning för korthet.

Proxyer

Meny