Комментарии 4
Есть ли механизмы обхода проксей по типу cloudflare (кроме возможности направить запрос через прокси)?
Когда на сайте появляется защита, это повод пересмотреть подход к парсингу. Сначала я выясняю, при каких условиях она срабатывает, и применяю следующие методы:
Использую качественные прокси (и чем больше, тем лучше).
Уменьшаю частоту запросов, чтобы избежать подозрений.
Работаю с cookies для имитации "доверенного" пользователя.
Имитирую реального пользователя через headless-браузеры или Splash.
Если Cloudflare всё же активируется, либо ищу способ обхода (в сети много интересного по этой теме), либо повторяю запрос с другим прокси.
как будто бы он не очень подходит для современных сайтов, где из html только тэг <html><body> а всё остальное на реакте или любом другом JS фреймворке. Если что-то старое, то php. В любом случае нужно рендерить. А scrapy вроде только напрямую с GET/POST запросами может работать....
В scrapy можно интегрировать splash/selenium, и таким образом решить проблему js рендеринга.
Но, статья не о том, что нужно всегда и везде использовать scrapy. Иногда проще написать отдельный парсер.
Я выбираю этот фреймворк, когда стоит задача регулярного сбора большого количества источников с похожим форматом данных.
Настраиваем паука для сбора данных: как работает фреймворк Scrapy