Intégration avec Python Scrapy

Apprenez à configurer des crawlers Python Scrapy pour acheminer les requêtes via les ports XProxy et à implémenter un middleware personnalisé afin de gérer la rotation automatique d'IP à des jalons de requêtes.

Pourquoi utiliser Scrapy avec XProxy ?

Scrapy est un framework de scraping Python asynchrone conçu pour l'extraction de données à haute performance. Lorsque vous exécutez des scrapers à haut débit, l'utilisation de proxys cloud facturés à l'usage engendre des coûts mensuels considérables. En exécutant Scrapy via votre propre ferme XProxy équipée de cartes SIM locales, vous bénéficiez de pipelines de données illimités : vous économisez des milliers de dollars tout en exploitant des IP CGNAT dynamiques d'opérateurs mobiles.

Liste et paramètres des ports de proxy XProxy

Configuration de base du proxy dans Scrapy

La manière la plus simple d'utiliser XProxy dans Scrapy consiste à configurer le HttpProxyMiddleware standard et à ajouter les paramètres de proxy directement dans settings.py, ou à les spécifier requête par requête.

Option A : configuration globale dans settings.py

Ouvrez le fichier settings.py de votre projet Scrapy et ajoutez les paramètres suivants :

settings.py

# Enable the default HTTP Proxy Middleware
DOWNLOADER_MIDDLEWARES = {
    'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 400,
}

# Define your XProxy SOCKS5 or HTTP proxy URL
# Replace 192.168.6.7:5001 with your XProxy server IP and port
HTTP_PROXY = 'http://your_username:[email protected]:5001'

# Set proxy to environment variable (or configure in custom middleware)

Option B : transmission dynamique du proxy par requête

Vous pouvez également attribuer une connexion proxy directement dans votre fichier spider, pour des requêtes individuelles :

myspider.py

import scrapy

class MySpider(scrapy.Spider):
    name = 'myspider'

    def start_requests(self):
        urls = ['https://httpbin.org/ip']
        for url in urls:
            yield scrapy.Request(
                url=url,
                callback=self.parse,
                meta={
                    # Route this specific request through XProxy port 5001
                    'proxy': 'http://your_username:[email protected]:5001'
                }
            )

    def parse(self, response):
        self.logger.info(f"Response: {response.text}")

Avancé : middleware de rotation automatique d'IP

Pour faire tourner automatiquement votre IP mobile XProxy lorsque Google affiche un CAPTCHA, ou après un nombre déterminé de requêtes de pages, implémentez un middleware Scrapy personnalisé :

middlewares.py

import time
import requests
from scrapy.exceptions import NotConfigured

class XProxyRotationMiddleware:
    def __init__(self, rotate_url, request_limit=100):
        self.rotate_url = rotate_url
        self.request_limit = request_limit
        self.request_count = 0

    @classmethod
    def from_crawler(cls, crawler):
        # Read settings from settings.py
        rotate_url = crawler.settings.get('XPROXY_ROTATE_URL')
        request_limit = crawler.settings.getint('XPROXY_REQUEST_LIMIT', 100)
        
        if not rotate_url:
            raise NotConfigured
            
        return cls(rotate_url, request_limit)

    def process_request(self, request, spider):
        self.request_count += 1
        
        # Trigger rotation if limit reached
        if self.request_count >= self.request_limit:
            spider.logger.info("Request limit reached. Triggering XProxy IP rotation...")
            self._trigger_rotation(spider)
            self.request_count = 0
            
    def _trigger_rotation(self, spider):
        try:
            response = requests.get(self.rotate_url)
            spider.logger.info(f"IP rotation triggered: {response.status_code} - {response.text}")
            # Wait for 6 seconds for cellular reconnection
            time.sleep(6)
        except Exception as e:
            spider.logger.error(f"Failed to trigger rotation: {str(e)}")

Activez le middleware dans votre fichier settings.py :

settings.py

DOWNLOADER_MIDDLEWARES = {
    'myproject.middlewares.XProxyRotationMiddleware': 350,
    'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 400,
}

# The XProxy Rotation API URL for your device position
XPROXY_ROTATE_URL = 'http://192.168.6.7:8081/api/v1/rotate_ip/position/1'
# Rotate the IP address after every 150 requests
XPROXY_REQUEST_LIMIT = 150

Why High-Quality SOCKS5 UDP & Mobile Proxies Matter for Python Scrapy Crawlers

Using cheap datacenter proxies or basic HTTP proxies in antidetect profiles leads to instant account suspensions on Facebook, Google, TikTok, and Amazon. Here is why XProxy's self-hosted 4G/5G mobile proxies deliver superior anonymity and trust:

SOCKS5 with Full UDP Support: Unlike standard HTTP proxies that drop UDP packets, XProxy SOCKS5 proxies fully support UDP datagrams. This ensures WebRTC, DNS queries, and real-time audio/video sockets route securely through your proxy without revealing your real IP address.
Instant REST API IP Rotation: Trigger cellular IP rotation on demand via simple HTTP GET requests (e.g. http://192.168.6.7:8081/api/v1/rotate_ip/position/1). Reconnect 4G/5G USB modems in 3 to 8 seconds with zero proxy dropouts.
100% WebRTC & DNS Leak Protection: Combined with XProxy's local LAN gateway and TCP OS Spoofing, your browser profiles maintain pristine anonymity scores on BrowserLeaks, Whoer, Pixelscan, and IPhey.
Carrier-Grade NAT (CGNAT) Trust: Mobile carrier IPs are shared by thousands of active smartphone users. Major platforms never ban mobile IP ranges, granting your accounts maximum trust.

Was this page helpful?