CloudFlare как спарсить ссылки?

Вечер добрый! Возник вопрос с этим CloudFlare, что делать если он блокирует CD?
пациент: Ссылки недоступны для гостей
что делалось, в сканере сайтов настроил парсинг всех страниц пагинации и и товаров, осталось только запустить. Удалось взять только несколько страниц ии.. бан. Перезагрузил роутер, добавил прокси эффект один "страница пуста". есть предложения, как бороться?

 

хммм... в настройках HTTP запросов выбрал
Ссылки недоступны для гостей
и заработало. назревает вопрос в чем разница? и почему если выключить показ браузера то в любом случае "не получилось получить код страницы"?

И если таким образом парсить на вкладке "Страницы" то обработка 1500+ ссылок занимает 10+ часов. есть ли что-то по быстрее?

 

начиная с 74 страницы перестал загружать код. что делать?

 

Сергей!!! СПАСИБО ОГРОМНОЕ ЗА ЧУДО ПАРСИНГ Sitemap!!!
В любом случае все ссылки на товары удалось собрать, но вопрос по поводу парсинга товаров остается открытым. Как парсить что бы не забанили? Прокси? в 1 поток? 1 поток и прокси?

 

Можно сразу ссылкой на гайд носом тыкнуть?

 

Я про это и спрашивал. но больше на гайд где взять useragent, как спарсить сайт я представляю и уже знаю.
а про куки не совсем ясно.
проблема только в том что могут забанить.
наткнулся на вашу статью: http://forum.sbfactory.ru/threads/proxy-dlja-content-downloader-ispolzuja-tor.296/ думаю завтра опробую. этот же вариант справится и с парсингом ссылок (на будущее)?

 

Не нужно переживать насчет временных банов от сайта. Если попали в бан, поставьте 1 поток с паузой (подбирается экспериментально). Если это не помогает или скорость не устраивает, используйте список прокси.

 

Может подскажите сервисы с бесплатными прокси? Как то пытался с ними парсить, ничего путного не вышло или долго ждал или ещё какая беда

 

Таких сервисов я не знаю.

 

В общем путем проверок и тестов выяснил:

Не работает, просит ввести капчу гугл рекапча. думаю можно попробовать анти гейт но чувствую результат будет 0

Так же если добавить список прокси, поставить задержку 3000 - 4000 = от 220 до 350 товаров парсит нормально потом перестает просто пустые строки. примерно от 40 + часов
Если проставить диапозон задержки например 2500-5000 = тоже самое что и выше только медленней. примерно от 150 часов
Если поставить задержку 5000 + включить Internet Exploler (DOM) то время работы ВНИМАНИЕ! 400 + часов.

Все в 1 поток, если больше сразу банит.

Есть еще какие то варианты? БУДЬ ПРОКЛЯТ Cloudflare !!!!!!!!

 

Есть конечно xml и CSV файлы с товарами можно попробовать с ними добавить и я даже уже знаю как!
Но интересно спарсить именно с помощью программы а ждать месяц что бы спарсить и что бы на пол пути опять получить пустые строчки я не готов((

 

Cloudflare закрывает собой реальный IP адрес сайта и отдает контент со своих серверов. Если его узнать IP адрес сервера, то возможно получать данные сразу с основного сервера сайта, как если бы он был без защиты.
Для этого в файл

Код:

C:\Windows\System32\drivers\etc\hosts

или /etc/hosts для linux и mac

Необходимо добавить запись вида ip domain, например

Код:

192.168.1.10 www.example.com

При принудительной маршрутизации cloudflare влиять не будет, сложность в том, чтобы узнать IP адрес сервера.
Один из методов, это в свойства письма с заказом найти ip отправителя, если сервер отправляет письма от себя.

 

Сайт начал использовать ddos protection by cloudflare. Не парсился никак. Прописал в hosts нужный ip. Теперь без прокси сайт начал парситься нормально. Но если подключить прокси, опять не может загрузить документ.
Почему так происходит?