รุ่นที่เรียบง่ายที่สุด#
จําแนกการตอบสนองก่อนที่จะลองใหม่ โดย 403 อาจหมายถึง กฎการเข้าใช้ที่ IP อื่น ๆ จะไม่สามารถแก้ไขได้ สําหรับ 429, นับถือ retric- rates และลดอัตราการร้องขอไป, ใช้การสํารองข้อมูลแบบผูกขาดสําหรับการเชื่อมต่อชั่วคราวหรือความล้มเหลวของระบบแม่ข่าย การทําการแก้ไขสถานะเปลี่ยนแปลงสถานะเฉพาะเมื่อคุณสามารถป้องกันการกระทําซ้ําได้เท่านั้น
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()}กรุ๊ปแวร์สําหรับวาระการใช้งานแบบแข็งต่อรายการ#
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 = Trueการกําหนดค่าต่าง ๆ ของการเชื่อมต่อและค่า IP นั้นเป็นค่าควบคุมที่แตกต่างกัน การใช้ค่าฐานของไคลเอนต์ซ้ํา การใช้ค่าต่าง ๆ ของจุดเชื่อมต่อ ซึ่งกําหนดเฉพาะเกตเวย์ที่กําหนดให้ใช้ค่าพฤติกรรมการหมุนและค่าความกํามะหยี่ของกลุ่มการทํางาน โดยใช้พารามิเตอร์ต่าง ๆ ที่ให้มากับบริการของคุณ และตรวจสอบค่าออกตามต้องการหลาย ๆ แบบ การปิดหรือการส่งการเชื่อมต่อของไคลเอนต์: ปิดไม่รับประกันหมายเลขไอพีอื่น
เก็บบิลไว้#
- Scracky ไม่ได้โหลดรูปภาพหรือสคริปต์; HTML และ Json เท่านั้น, ดังนั้นหน้าจึงมีค่าเท่ากับ HTML
- เปิดใช้การบีบอัด (ค่าปริยาย) และหลีกเลี่ยงการบีบข้อมูล
Splashหรือส่วนแสดงผลของเบราว์เซอร์ นอกจากข้อมูลจะต้องการ - แคชพร้อม
HTTPCACHE_ENABLED = Trueระหว่างการพัฒนา คุณจะได้ไม่จ่ายเงินเพื่อปรับปรุงหน้าเดิม ในขณะที่ดีบั๊กเครื่องเลือก
ความสุภาพของกลุ่ม:#
สระ เป็น วิธี ที่ จะ เป็น แขก ที่ สุภาพ มาก มาย ไม่ ใช่ คน ไม่ สุภาพ. CONCURRENT_REQUESTS_PER_DOMAIN และ Auto Throetle เก็บเป้าหมายแต่ละที่อัตรามนุษย์ plasable ต่อทางออก; ข้อกําหนดการใช้งานที่ยอมรับได้ ห้ามอะไรที่ดูเหมือนการจู่โจม
คําถามที่คนถาม#
ฉันจําเป็นต้องมี boggy-rotoxies?
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.
ฉันจะใช้ประเทศอื่นแทนคําขออย่างไร
ตั้งค่าการร้องขอ. mmeta["วิ่งรอบชนบท"] ในแมงมุม และอ่านมันในกองกลางในการสร้างพารามิเตอร์ - c-c; ตัวอย่างจะใช้การตั้งค่าเดียวสําหรับความจุ