A-Parser - многофункциональный парсер SE, PR, TrustRank, DMOZ, WHOIS etc.

A-Parser - версия 1.0.183 - Русская каптча и эмуляция браузера в Яндексе

Теперь в настройках Антигейта( Util::AntiGate) появилась возможность указать дополнительные настройки для каптчи: длину, регистрозависимость, состоит ли каптча только из цифр или её необходимо отправить русскоговорящему сотруднику, и т.п.

Яндекс ввел показ русской каптчи в выдачи, теперь парсер корректно обрабатывает её:


В дополнении к этому в парсере SE::Yandex появилась опция эмуляции браузера, что позволяет добиться высокой скорости парсинга и малого расхода каптч. Парсинг топ-50 выдачи Яндекса в 500 потоков с использованием антигейта(средняя скорость ~2000 запросов в минуту):


Исправления:

• Исправлен парсинг сниппетов в парсере SE::Google

Подробнее тут: Изменения в версии 1.0.183

 

неужели антигейт стал нормально распозновать РУ капчу?

 

Forbidden, сделал бы мне триал, хоть бы позырил в работе, и если че купил бы

 

да ща вроде все ок с распознаванием
по факту и антигейт то ненужен, 2k+ без антигейта:

стукни мне)

 

Офигенный софт, просто прелесть, распарсил яху, на 2.5кк запросов за ночь
Forbidden, респект и уважуха! ) И огромное спасибо сам знаешь за что

 

Софт хороший, в продаже лучше точно нет.

 

спасибо парни

 

A-Parser - версия 1.0.198 - Улучшения в работе с Google, множественные исправления

Улучшения:

• Улучшения в работе с сессиями в парсере SE::Google - уменьшено использование каптч
• Улучшения в работе с сессиями в парсере SE::Yandex::WordStat::ByDate - уменьшено использование каптч
• Парсер Net::HTTP теперь возвращает контент для обработки при любых ответах сервера(в т.ч. неудачных)

Исправления:

• В парсере SE::Google не распознавалась каптча
• В парсере SE::Yandex не сохранялись сессии
• HTTP прокси с авторизацией не работали в комбинации с некоторыми парсерами(например SE::Yandex)
• Макрос результата {firstquery} (первый запрос при использовании вложенного парсинга или парсинга с подстановками) не корректно работал с подстановками
• Исправлено определение количества результатов в выдаче в парсере SE::Google
• Парсер SE::Yandex::WordStat::ByDate не возвращал недельную разбивку, теперь выбор периода разбивки добавлен в настройки
• Парсер SE::Google::Compromised в некоторых случаях работал некорректно
• Исправлен парсер SE::AOL
• Исправлен парсер Rank::OpenSiteExplorer

Подробнее тут: Версия 1.0.198

 

A-Parser - версия 1.0.201 - обновлен парсер картинок Google, парсинг Bing News

Улучшения

• Полностью переписан парсер картинок SE::Google::Images - теперь он парсит новую выдачу, до 10 страниц по 100 результатов
• Парсер SE::Bing теперь поддерживает парсинг Bing News, также теперь можно выбрать время выдачи(за все время, за 24 часа, за неделю или за месяц)
• Парсер HTML::LinkExtractor теперь автоматически считает внутренними ссылки с поддоменов www. и ftp., возможность учитывать все поддомены как внутренние оставлена без изменений

Исправления

• Исправлен парсер SE::Bing::LangDetect в связи с изменением в выдачи
• Исправлен парсер Rank::Ahrefs в связи с изменением в выдачи
• Парсер SE::Google некорректно работал с каптчей при использовании регионального домена Google
• Парсер SE::Yandex::WordStat зацикливался при работе с прокси, что приводило к остановке парсинга

Подробнее: Изменения в версии 1.0.201

 

A-Parser - 1.0.214 - новогоднее обновление, более 30 изменений!

Всех с наступающим Новым годом! Мы заготовили вам большой подарок, включающий более 30 изменений!


Интерфейс претерпел множество изменений:

• Переработано отображение задания в очереди, теперь оно более наглядное и информативное
• Настройки теперь сгруппированы по закладкам, что сильно упрощает навигацию
• Появилась возможность перемещать задание непосредственно в начало или в конец очереди
• Обновлен перевод всех элементов на русский язык
• В задании отображается прогресс в виде процента выполненных запросов
• Иконка теперь корректно отображается во всех браузерах
• Основное окно теперь можно позиционировать в верхний левый угол и масштабировать на всю рабочую область браузера
• Исправлена ошибка в импорте пресетов

Добавлены новые парсеры, общее число парсеров перевалило за 50:

• Rank::Linkpad - парсер беклинков(линк, анкор, уровень вложенности) и статистики(число беклинков, доноров, iGood и т.д.) с сервиса linkpad.ru(бывший solomono)
• SE::Bing::Images - парсер картинок с поисковика Bing(ссылка, размер, разрешение и сниппет)
• SE::Yandex::WordStat::ByRegion - парсер статистики ключевых слов по регионам и городам в Вордстате
• SE::Yandex::Webmaster::Index - быстрая оценка количества проиндексированных страниц в Яндексе
• SE::Google::Trends - парсер кейвордов в тренде по версии Google, дополнительно парсит принадлежность кейвордов к группам
• Rank::Alexa::API - быстрый чекер алексы через API

Улучшения:

• В парсер Яндекса SE::Yandex добавлен парсинг ссылки на кэш страницы, также теперь парсер пробует использовать другую прокси если Яндекс принудительно перенаправляет на региональный домен(ua, kz, tr)
• Теперь можно производить уникализацию, фильтрацию и применять конструктор результатов ко всем результатам созданным пользователем с использованием фукнции Parse custom result(парсинг произвольного контента с помощью регулярных выражений)
• В настройках теперь возможно указать тип переноса строки используемый по умолчанию(Windows или Linux)
• Добавлена возможность сохранять неудачные запросы
• В статистику работы задания добавлен вывод забаненых проксей для каждого используемого парсера
• Файл с запросами теперь можно выбирать из подпапок
• В парсер частотности ключевых слов SE::Yandex:: Direct::Frequency добавлен парсинг дополнительных ключевых слов(подсказок)
• В парсер Вордстата SE::Yandex::WordStat добавлена возможность выбора сразу нескольких регионов для оценки

Исправления:

• Rank::MajesticSEO в связи с изменением в выдаче
• Rank::Ahrefs в связи с изменением в выдаче
• SE::AOL в связи с изменением в выдаче
• Net::Whois - некорректно определял незанятые домены в некоторых зонах
• Исправлено падение в некоторых случаях при использовании большого файла запросов совместно с уникализацией запросов

Подробнее: Изменения в версии 1.0.214

 

A-Parser - версия 1.0.218

Улучшения

• Парсер Net::Whois теперь поддерживает работу с интернациональными доменами(IDN, например яндекс.рф)
• Для парсера SE::AOL добавлена опция No results is error - в некоторых случаях аол может вернуть пустую выдачу на вполне нормальный запрос, с этой опцией запросы с пустой выдачей будут перепаршиваться повторно

Исправления

• Парсер картинок SE::Google::Images в связи с изменением в выдаче
• Парсер SE::AOL в связи с изменением в выдаче
• При использовании API после некоторого числа запросов оно переставало отвечать
• Парсер SE::Baidu в связи с изменением в выдаче
• Исправлена ошибка в обработке списка файлов запросов, что приводило к невозможности выбрать файл запроса из папки queries/
• Опция Try in Parser Test работала некорректно
• Исправлена ошибка в интерфейсе при составлении заданий с использованием опций Parse custom result/Results Builder, появившаяся в предыдущей версии

Подробнее: Изменения в версии 1.0.218

 

A-Parser - версия 1.0.223

Новые парсеры:

• SE::Yandex::Catalog - парсер сайтов по Яндекс.Каталогу, парсит ссылку, анкор, сниппет, категорию и гео-привязку. Также парсит количество результатов по запросу
• Rank::Archive - парсит дату первого и последнего кэширования сайта в веб архиве(archive.org), также парсит количество сохраненных копий сайта. Данный парсер будет очень полезен для оценки доменов

Исправления:

• Парсер SE::AOL в связи с изменением в выдачи
• Парсинг связанных кейвордов(related) в парсере SE::Bing в связи с изменением в выдачи
• В некоторых случаях могли не передаваться дополнительные параметры к запросу(Extra query string)

Подробнее: Изменения в версии 1.0.223

 

A-Parser - версия 1.0.232 - Новый шаблонизатор результатов, подстановка переменных и многое другое

Поздравляем всех защитников отечества с их профессиональным праздником!

В A-Parser включен шаблонизатор Template Toolkit - мощный инструмент для форматирования результатов, запросов, строк поиска и сравнения и т.д.; его основные особенности:

• Поддержка переменных, условий, циклов, макросов
• Множество встроенных функций для строк, массивов и хешей
• Неограниченные возможности по расширению
• Подробная документация на русском и английском языках

На данный момент по умолчанию действует старый шаблонный движок, тем самым позволяя использовать все ранее сохраненные настройки. Полный переход на новый движок будет плавный и будет включать следующие этапы:

• Развернутый пост о преимуществах с примерами на следующей неделе
• Обновление конфигурации A-Parser с новым синтаксисом формата вывода результатов
• Выпуск версии с поддержкой нового шаблонизатора по умолчанию
• Помощь со стороны технической поддержки в адаптации старых проектов

Новый синтаксис применяется если шаблон содержит комбинацию [% ... %], уже сейчас новый синтаксис можно использовать в:

• Шаблонах форматирования результатов(Result format)
• Шаблоне имени файла(Result file name)
• Фильтрах результатов для подстановки переменных данных(запросов, результатов) в условия сравнения
• Функции поиска по регулярному выражению(Parse custom result) в качестве части регулярного выражения

Другие улучшения:

• Добавлена функция сохранения исходного кода страниц, с которых осуществляется парсинг, что даёт возможность дополнительной обработки результатов(Raw data results)
• Подстановка запросов(или результатов) в условия для сравнения в фильтрах и как часть регулярного выражения для Parse custom result
• Дополнительный параметр к HTTP запросу(Extra query string) теперь подставляется только для главных запросов, от которых ожидаются результаты парсинга. Для вспомогательных запросов(работа с cookie, каптчей, авторизацией) этот параметр не подставляется

Исправления:

• Исправлена утечка памяти при обработке кодировки некоторых сайтов и сервисов
• Исправлен парсер SE::Yandex - в связи с изменением в выдаче результаты из рекламных блоков считались результатами основной выдачи
• Парсер Rank::CMS не работал при использовании функции логирования долгих регулярных выражений(Log long running regex)

Подробнее тут: Версия 1.0.232

 

Новый шаблонизатор в A-Parser

Зачем?

• Расширение возможностей - старый шаблонизатор был ограничен в возможностях, фактически он не умел ничего кроме вывода переменных и массивов
• Наглядный пример: используя шаблоны можно результаты парсинга автоматически преобразовать в дорвеи, готовые для загрузки на хостинг! Другой пример: готовый отчет по анализу доменов в виде HTML или CSV файла
• Лёгкий способ использовать переменные данные(запросы, результаты парсинга) на всех этапах работы парсера(формирование запроса; фильтрация, уникализация, форматирование, дополнительная обработка результатов)
• Исчерпывающая документация: Template Toolkit - проверенный времен шаблонный движок, который имеет большое сообщество пользователей

Массив? Переменная? Мне нужно программировать?

• Однозначно нет A-Parser рассчитан на широкую аудиторию и из коробки позволяет выполнять все основные задачи без каких либо дополнительных знаний
• Шаблоны призваны упростить решение сложных комплексных задач, например подсчет количества ссылок в топ10 выдачи Яндекса, в которых встречается исходный запрос в анкоре
• Шаблон - не язык программирования, он содержит около 5 основных макросов которые легко запомнить и использовать

Читать далее

 

A-Parser - версия 1.0.236 - промежуточный релиз, исправление текущих ошибок

Улучшения:

• Теперь можно перемещать задания в очереди используя API - добавлен метод moveTask
• Многократно увеличена скорость при обработке регулярных выражений в Parse custom result

Исправления:

• Исправлена ошибка в SE::Yandex приводящая к падению парсера, ошибка появилась в предыдущей версии
• Исправлен парсер SE::YouTube в связи с изменением в выдаче
• Парсер мог упасть при использовании неправильного регулярного выражения, ошибка появилась в предыдущей версии
• Исправлен регистратор аккаунтов в Яндексе SE::Yandex::Register в связи с изменением в выдаче
• Исправлен парсер SE::Yahoo в связи с изменением в выдаче

Подробнее тут: Версия 1.0.236

 

A-Parser - 1.0.268 - Бета версия, полный переход на новый шаблонизатор, множество улучшений

Основные улучшения:

• Переход на систему быстрых обновлений, теперь получить обновление на канале бета-версии можно за пару минут
• Полный переход на новый шаблонизатор, старый синтаксис более недоступен
• Все настройки в автоматическом режиме преобразуются под новый синтаксис при первом старте парсера
• Создан инструмент для тестирования шаблонов, в нем можно проверить форматирование до парсинга
• В настройках можно указать часто используемые макросы и функции, которые будут доступны в любом месте где используется шаблонизатор
• Шаблоны также работают в полях Prepend и Append - автоматическое добавление заголовка и окончания для файлов результатов
• Теперь шаблон можно задавать в удобном многострочном редакторе
• Увеличена скорость работы конструктора запросов и результатов
• В парсере SE::Yandex::Suggest теперь можно выбрать произвольный регион, в т.ч. на основе IP адреса

Исправления в связи с изменениями в выдачи:

• Исправлена опция эмуляции браузера для парсера SE::Yandex
• Исправлен парсинг выдачи SE::Yandex при запросах вида url:, а так же исправлен парсинг рекламных блоков
• Исправлен парсер тИЦ SE::Yandex::TIC
• Исправлен парсер Rank::Ahrefs - выдавал неверные данные
• Исправлен парсинг общего числа результатов в SE::Baidu
• Исправлен парсер Rank:: DMOZ
• Исправлен парсер картинок SE::Google::Images
• Исправлен парсинг описаний к видео в SE::YouTube

Информация

• Для обновления необходимо зайти в Members Area, раздел Downloads, в секции A-Parser Beta запросить обновление кликнув по Update
• Все вопросы по новому синтаксису шаблонов можно задавать в этом топике
• Для желающих тестировать самые последние версии создан отдельный скайп-чат, подробнее тут

Список всех изменений в версии 1.0.268

 

Forbidden, молодцы!

 

Новая документация и текущий статус Бета-версии

В скором времени увидит свет A-Parser версии 1.1.0 - результат двух-месячной разработки Бета-версии. На текущий момент Бета-версия абсолютно стабильна и рекомендуется к использованию как новым пользователям, так и всем кто уже имеет лицензию

Ключевой особенностью новой версии парсера является наличие новой документации, в которой мы постарались осветить все возможности и особенности работы A-Parser'а. В документации подробно описаны такие возможности как:

• Задания и очередь
• Форматирование и подстановки запросов
• Форматирование результатов
• Уникализация результатов
• Фильтрация результатов
• Конструктор запросов
• Конструктор результатов
• Parse cutom result и использование регулярных выражений
• Описание шаблонизатор Template Toolkit
• и многое другое

Обсудить новую документацию можно на форуме

Помимо этого текущая бета версия содержит множество исправлений и улучшений, следите за новостями о релизе!

 

Новая версия Lite, автоматическая оплата прокси

• Добавлена новая лицензия Lite, включающая только парсеры Google и Яндекса
• Добавлена автоматическая оплата через WebMoney, Yandex.Money, Visa, MasterCard, Paxum, LiqPay, PerfectMoney, W1, Банки, СМС, Терминалы оплаты
• Оплачивать можно лицензии на A-Parser, A-Poster, прокси, обновления A-Parser и дополнительные лицензии A-Parser
• Новая сетка цен
• Последние изменения в бета версии
• Переработано описание парсера

Мы ждем ваших вопросов наши контакты

 

Релиз A-Parser 1.1.0, автоматический прием PayPal, Wire, QIWI

Релиз A-Parser 1.1.0 - результат активной разработки в течении двух месяцев в рамках бета-версии



Улучшения

• Новый парсер HTML::TextExtractor::LangDetect - улучшенное определение языка страницы, без использования сторонних сервисов
• Для парсера SE::Google добавлена возможность указывать локацию поиска - город или регион
• Новый инструмент - обновление A-Parser, теперь обновления можно устанавливать автоматически через интерфейс, поддерживается два канала обновлений - Stable и Beta
• Для уникализации результатов теперь используется LevelDB - лучшая скорость и низкое потребление памяти
• Улучшена работа с битыми кодировками и детектирование кодировки страницы
• В инструменте тестирования шаблонов теперь доступны предустановленные результаты для всех парсеров
• Шаблонизатор теперь можно использовать в самих запросах, в формате запроса, а также в Конструкторе результатов
• Для парсера Net::HTTP при формировании POST запроса добавлена возможность использовать шаблонизатор в теле запроса
• Добавлена возможность выводить результаты в формате JSON
• Новая опция Not found is error для парсера Net:: DNS - позволяет перепроверять ложные ответы от DNS серверов
• Добавлена возможность удалять неиспользуемые базы данных Keep unique
• Новые подсказки в интерфейсе, соответствуют новому формату шаблонов
• Добавлена возможность сбросить пароль доступа к интерфейсу A-Parser
• Сервер парсера теперь можно выключить или перезапустить через веб-интерфейс

Исправления

• Исправлен парсер SE::Yandex в связи с переходом на новую выдачу
• Исправлен парсер SE::AOL в связи с изменением в выдачи
• Исправлен ошибка, при которой проверка прокси начиналась заново при перезагрузке интерфейса
• Исправлена медленная работа очереди заданий при большом количестве заданий(более 1000)
• Исправлен вывод исходного запроса $query.first при многоуровневом парсинге в SE::Yandex::WordStat
• Net:: DNS - исправлена работа на ОС Windows
• SE::Yandex::Webmaster::Index удален в связи с прекращением работы сервиса
• Исправлено некорректное определение некоторых полей в парсере Net::Whois
• Исправлена работа переменной $pagenum в парсере Net::HTTP
• Исправлена ошибка, при которой парсер мог вылететь при использовании уникализации по простым результам
• Задания с пустым файлом запросов не завершались автоматически
• Исправлен парсер Rank::Ahrefs в связи с изменением в выдачи
• Исправлен парсер Rank::Alexa в связи с изменением в выдачи
• Исправлен парсер Rank::MajesticSEO в связи с изменением в выдачи
• Исправлена работа с кодировкой windows-1251
• Исправлен подсчет числа простых результатов
• Исправлена работа метода CONNECT при использовании прокси с авторизацией по логин\паролю
• Исправлен парсер Rank::Category в связи с изменением в выдачи

Полный список всех изменений в соответствующем разделе

Также мы рады сообщить что добавили прием PayPal, QIWI и Wire Transfer в автоматическом режиме

 

A-Parser - версия 1.1.20 - обновление парсера Rank::CMS, разные форматы результатов для нескольких файлов

Улучшения

• Полностью переработан парсер Rank::CMS, теперь он определяет движок сайта на основе большой и качественной базы признаков Wappalyzer, также появилась возможность выбрать категорию или конкретные движки для распознавания
• Появилась возможность сохранять результаты одного задания в разные файлы, с выбором формата результата для каждого файла, к примеру при парсинге Гугла можно сохранять ссылки в один файл и сниппеты в другой
• Добавлена возможность использовать шаблоны в параметрах Extra query string и User Agent
• В шаблонах теперь можно использовать инструменты, которые доступны через переменную $tools, первый инструмент - выбор произвольного User Agent: $tools.ua.random(), список агентов хранится в файле files/tools/user-agents.txt
• Улучшен парсер [noparse]Net:NS[/noparse] при работе через прокси
• В API появилась возможность запрашивать статус сразу нескольких заданий
• В API появилась возможность скачивать файл результата
• Парсер SE::AOL теперь позволяет выбрать US, UK, FR или DE выдачу
• В парсере Rank::Ahrefs теперь дополнительно парсятся параметры URL Rank и Ahrefs Domain Rank

Исправления

• Исправлен парсер SE::YouTube в связи с изменением в выдачи
• Исправлен парсинг с блогов в парсере SE::Google в связи с изменением в выдачи
• Исправлена ошибка при которой парсер мог вылететь если в качестве запроса передать очень длинный URL

 

A-Parser - версия 1.1.41 - новые парсеры MailRu и Dogpile, поддержка многоядерности для чекера CMS

Улучшения

• Новый парсер SE::MailRu - собирает ссылки, анкоры и сниппеты, количество результатов в выдаче
• Новый парсер [NOPARSE]SE::MailRu:osition[/NOPARSE] - проверяет позиции сайтов в выдаче go.mail.ru
• Новый парсер [NOPARSE]SE:ogpile[/NOPARSE] - парсер поисковика dogpile.com, собирает ссылки, анкоры и сниппеты, количество результатов в выдаче и связанные ключевые слова
• Добавлена экспериментальная поддержка многоядерных процессоров для наиболее требовательного к ресурсам процессора парсера Rank::CMS
• Для парсера Rank::Ahrefs добавлен парсинг социальных факторов(google+, twitter, facebook), а также возможность выбора режима отчета(ссылка, папка, домен, домен с сабдоменами)
• Для парсера Rank::MajesticSEO добавлена возможность получать данные по полной ссылке
• Новая опция Emulate browser headers для парсера Net::HTTP - автоматически эмулирует хедеры современных браузеров
• Для парсера [NOPARSE]SE::Yandex:osition[/NOPARSE] теперь доступна статистика по использованию каптчи

Исправления

• Исправлен парсинг рекламных блоков в парсере SE::Google в связи с изменением в выдачи
• Исправлен парсер SE::Baidu в связи с изменением в выдачи
• Исправлен парсер проверки языка сайта SE::Bing::LangDetect

 

A-Parser - версия 1.1.61 - улучшение очереди заданий, поддержка аккаунтов в парсере Яндекса

Улучшения

• Появилась возможность ограничивать общее потребление потоков, что позволяет пропускать задания превышающие текущее потребление, давая возможность выполнится заданиям с меньшим числом потоков. Также данный функционал полезен при использовании прокси-сервисов с лимитированным числом подключений, тем самым можно гарантированно не выходить за пределы тарифа
• В очереди заданий теперь можно удалить все задания разом, отдельно для активной очереди и очереди завершенных заданий
• Парсер SE::Yandex теперь поддерживает работу с аккаунтами(опция Use Accounts)
• При парсинге рекламы в SE::Google теперь дополнительно можно вывести позицию рекламного блока(сверху или справа), а также номер страницы выдачи, на котором показано рекламное объявление

Исправления

• Исправлено отображение русских имен файлов запросов и результатов на ОС Linux
• Исправлено определение ТИц в парсере SE::Yandex::TIC
• Исправлено распознавание каптчи в регистраторе аккаунтов Яндекса SE::Yandex::Register в связи с изменением в выдачи
• Исправлена работа с заблокированными аккаунтами в парсере SE::Yandex::WordStat

 

Сборник рецептов #1: Определяем CMS, оцениваем частотность ключевых слов и парсим Вконтакте

Этот пост начинает серию статей с рецептами применения A-Parser: комплексные примеры с одновременным использованием различного функционала парсера. Помимо детального разбора заданий можно также оценить скорость обработки запросов и скачать результаты парсинга

Определяем CMS для 1000000 доменов за 15 часов

В примере рассказано как определить используемый движок у сайтов из базы Алексы топ-миллион, результат автоматически сортируется по файлам с названием CMS. Также дан пример как увеличить скорость обработки и проверить 1 миллион доменов всего за 2 часа



Немного статистики:

• Скорость парсинга составила 1100 доменов в минуту
• Всего определились 301841 из 1000000 доменов как использующие на своей главной странице одну из популярных CMS, форумов или Wiki
• Определено 126 различных CMS
• Топ 10 самых популярных CMS, первое значение определяет количество доменов:

Код:

209855 WordPress
23732 Joomla
22945 Drupal
6488 TYPO3 CMS
4917 vBulletin
3726 1C-Bitrix
2515 phpBB
2415 ExpressionEngine
2022 DataLife Engine
1928 Microsoft SharePoint

Читать целиком »

Оценка частотности по Вордстату, словарь Даля, 115000 слов за 40 минут
Проверяем словарь Даля на частотность запросов в Яндексе используя парсер SE::Yandex::WordStat, скорость парсинга составила 3000 слов в минуту без использования каптчи! Результат сохраняется в 2 разных файла - в первом статистика по исходным запросам, во втором - все новые ключевые слова из левой и правой колонки Вордстата

Немного статистики:

• Парсинг 115390 ключевых слов занял всего 40 минут
• 80208 слов из 115390 имеют ненулевую статистику в Вордстате
• Общее число показов всех слов составляет 20001443927, ~20 миллиардов в месяц
• Дополнительно спаршено 1143045 новых ключевых слов с общим числом показов ~36 миллиардов в месяц

Читать целиком »

Создаем парсер VKontakte обрабатывающий 14000 анкет в минуту
В примере показывается как с помощью парсера Net::HTTP и регулярных выражений можно создать парсеры почти любых сайтов и сервисов, например VKonktake
Пример разделен на 2 части:

• Сбор ссылок на анкеты из результатов поиска
• Обработка анкет - парсинг полей "Родной город", "Семейное положение" и "Время захода на анкету"

В результате получаем файл с примерно следующим содержимым:

Код:

http://vk.com/id1492 - none - none - none
http://vk.com/id1485 - п. Сиверский - всё сложно - заходил 15 сентября в 1:34
http://vk.com/id1489 - Ленинград - none - Online
http://vk.com/id1481 - Санкт-Петербург - none - заходила 48 минут назад
http://vk.com/id1482 - град Поднебесный - не женат - Online
http://vk.com/id1493 - none - none - none

Читать целиком »

 

Forbidden, а у тебя есть сервис какой-то для парсинга гугла? просто лениво покупать-ставить на сервер-заморачиваться с проксями.

мне надо одноразово спарсить урлы из гугла по 200-300 кейвордов :/

может кто-то поможет за мзду малую?

 

у меня нету

интересно было бы пользоваться парсером как saas? т.е. платишь абонентку за месяц например и тебе дается установленный парсер на наших серверах, с нашими проксями - только давай задания и забирай результаты

 

задумался. может быть не в месяц (хотя и так наверное нормально, если цены будут адекватные), а вообще "по заданиям". ибо вот реально, пару-тройку раз в году задумываюсь чтобы купить у тебя этот парсер но думаю "а зачем он мне остальные 363 дня будет?" и успокаиваюсь. а разовые задачи иногда так и хочется на него выложить. кстати возможно это было бы хорошим "триалом". люди посмотрели, понравилось, когда поняли что за полгода "за задания" платят больше чем за стоимость софта - купили бы наверняка. но пока не посмотрят - не поймут. вот я вот "нутром чую" что там все хорошо, но сомневаюсь "брать не брать"

 

Silverstorm, пиши сделаю

 

Webaz, спс! отзовусь, сейчас как раз добираю малеха кейвордов.

 

A-Parser - версия 1.1.86 - поддержка многоядерной обработки и фильтрации результатов

В данной версии добавлена поддержка обработки и фильтрации результатов(Parse custom result, Конструкторы результатов и фильтры) на многоядерных процессорах, что в несколько раз увеличивает скорость парсинга при использовании "тяжелых" регулярных выражений, например скорость сбора email адресов со страниц достигает 10000 ссылок в минуту при 2000 потоках(при этом A-Parser обрабатывает поток 130 мбит\с gzip-сжатых данных)

Другие улучшения

• Добавлена возможность указать сразу несколько форматов для запроса, что позволяет комбинировать множество вариантов подстановок для одних и тех же запросов в одном задании
• Добавлена возможность использовать формат запроса на всех уровнях вложенного парсинга, например при парсинге ключевых слов с подсказок Google подстановки будут добавляться так же и для новых найденных ключевых слов(как и для исходных запросов)
• Для парсера SE::Yandex добавлена возможность парсить не персонализированную выдачу, что позволяет более точно снимать позиции сайтов
• В парсере Net::HTTP опция Check next page теперь поддерживает захват следующей ссылки для перехода, она будет использоваться если не указана опция Use pages

Исправления

• В некоторых случаях могли неверно обрабатываться страницы большого размера с сжатием gzip
• Парсер Net::Whois не работал без использования прокси, ошибка появилась в предыдущей версии
• В конструкторе результатов, при использовании замены по регулярному выражению, некорректно обрабатывалась замена переменных $1 $2...
• Парсер мог упасть при использовании одинаковой базы Keep unique в двух одновременно работающих заданиях

 

A-Parser - 1.1.108 - улучшения паука сбора ссылок, множество исправлений

Улучшения парсера HTML::LinkExtractor

• Добавлена опция Follow links позволяющая выбрать порядок следования по ссылкам: только по внутренним, по внутренним и внешним, только по внешним
• Добавлен массив результатов $followlinks, который содержит ссылки для последующего перехода, над этим массивом можно применять фильтры и конструкторы результатов, что позволяет переходить только по определенным ссылкам(например только по топикам форумов)
• Добавлена корректная обработка тега <base href=

Другие улучшения

• Теперь парсер автоматически определяет кодировку по содержимому страницы, если другие методы не дали результатов. В случае если кодировку определить не удается и она не является корректной с точки зрения UTF-8 то содержимое страницы становится недоступным для обработки. Данное улучшение призвано исправить редкие проблемы когда файл результата A-Parser'а невозможно использовать в качестве запросов, т.к. файл мог содержать некорректную кодировку
• При парсинге рекламы в SE::Google теперь дополнительно парсится видимая ссылка на сайт

Исправления

• Исправлен парсер SE::Yandex в связи с изменением в выдачи
• На платформе Windows при закрытии приложения парсера возникала ошибка
• В парсере Net::Whois не был доступен исходный результат $data для пользовательской обработки
• В парсере SE::Yandex была ошибка в получении каптчи если в запросе содержалась скобка
• Результат $query мог быть изменен некоторыми парсерами
• Парсер Rank::OpenSiteExplorer исправлен в связи с изменением в выдачи
• Добавлен запрет на изменение результатов с зарезервированными именами($query, $info)
• При использовании нескольких конструкторов результатов невозможно было выбрать новые результаты для обработки

 

Сборник рецептов #2: собираем форумы для XRumer, парсим email со страниц контактов

Этот пост продолжает серию статей с рецептами применения A-Parser: комплексные примеры с одновременным использованием различного функционала парсера. Помимо детального разбора заданий можно также оценить скорость обработки запросов и скачать результаты парсинга

Парсим базу для XRumer: 420000 форумов за 9 часов

Учимся быстро собирать большие базы методом перебора



За 9 часов работы:

• Было обработано 525254 запроса на максимальную глубину
• Спаршено 68 миллионов ссылок, 420к из которых подходят под фильтр и уникальны по домену
• Средняя скорость парсинга составила 1000 запросов в минуту

Собираем 1.65 миллиона email со страниц контактов за 2.5 часа

Парсим ссылки на страницы с контактными данными, затем собираем с них email-адреса

• Средняя скорость обработки составила 12000 ссылок в минуту
• ТОП-10 почтовых доменов:

Код:

249772 mail.ru
129894 gmail.com
91901 yandex.ru
25625 rambler.ru
20821 bk.ru
19773 hotmail.com
14656 yahoo.com
14117 list.ru
13636 inbox.ru
11670 ukr.net

Сбор перелинкованных топиков

Метод описывает как используя возможности парсера HTML::LinkExtractor собирать ссылки на перелинкованные топики - еще один хороший метод сбора баз форумов для XRumer

Алгоритм работы:

• Переходим только по внешним ссылкам
• Фильтруем ссылки для перехода по признакам форумов
• Добавляем уникализацию по домену
• Сохраняем ссылки по которым переходим, тем самым собираем все ссылки на новые форумы которые встретятся

Парсинг форумов по признакам и запросам

Классический вариант сбора форумов - используя признаки движков и подставляя дополнительные кейворды. Ссылки дополнительно фильтруются по регулярному выражению и проходят уникализацию по домену

Предыдущие рецепты:

• Сборник рецептов #1: Определяем CMS, оцениваем частотность ключевых слов и парсим Вконтакте

 

A-Parser - версия 1.1.135 - множество улучшений и исправлений в связи с изменениями в выдачи

Улучшения

• Теперь парсер-паук для сбора ссылок HTML::LinkExtractor основывается на парсере Net::HTTP и поддерживает все его возможности и опции, включая работу с Cookies
• В парсер SE::Google добавлена возможность подставлять в запросы найденные Related keywords, что позволяет собрать большую базу тематических ключевых слов, которая будет сильно отличаться от подсказок
• Добавлена возможность выбора текущего пресета для прокси-чекера через API
• В парсере SE::Google добавлен обход лишнего редиректа на HTTPS
• Улучшена скорость обработки HTTPS запросов на некоторых сайтах, затрагивает парсер SE::Yandex::WordStat
• На ОС Windows x64 парсер может использовать до 3Гб оперативной памяти
• В интерфейсе добавления заданий появилась возможность сворачивать настройки парсеров
• Улучшен импорт пресетов: теперь при совпадении названий пресетов настроек парсеров пользователю будет предложено заменить пресет или создать новый с другим именем

Исправления

• В парсере Net::HTTP исправлена медленная обработка запросов при одновременном использовании опции Emulate browser headers и методе HEAD
• Исправлена проблема с запуском парсера на некоторых версиях Windows
• В парсере SE::Google исправлена обработка запросов с нулевым результатом, в связи с изменением в выдачи
• В парсере SE::Yahoo исправлена работа с региональными доменами, в связи с изменением в выдачи
• Исправлена ошибка в парсере SE::Google при которой парсер мог вылетать если использовалась опция Location
• Исправлена ошибка в интерфейсе добавления Конструкторов результата, при которой в списке результатов могли появляться лишние элементы
• Парсер SE::Baidu исправлен в связи с изменением в выдачи
• В парсере SE::YouTube исправлен парсинг общего числа результатов, в связи с изменением в выдачи
• Неудачные запросы сохранялись в неверной кодировке
• Исправлена работа опции Raw data results
• В парсере SE::Google исправлена работа опции Parse not found, в связи с изменением в выдачи
• В парсере SE::Yandex исправлен парсинг Related keywords, в связи с изменением в выдачи
• Исправлена работа с доменами в зоне .be для парсера Net::Whois
• Парсер SE::Yahoo исправлен в связи с изменением в выдачи
• В парсере SE::Yandex исправлена обработка времени кэширования страниц для некоторых форматов дат
• В API исправлен метод getTaskResultsFile, в некоторых случаях IP адрес сервера заменялся IP адресом клиента

 

А есть возможность обратиться разово, для парсинга? Т.к. мне надо кое чего спарсить, но не на постоянной основе, а один-два раза.

 

salvador, можешь ко мне обратится к примеру