প্ৰতিটো Splash সম্পদৰ বাবে এটা প্ৰক্সি বাছনি কৰক

এটা Scrapy অনুৰোধে Splash সফলভাৱে সংযোগ কৰিব পাৰে যদিও Splash-ৰ ভিতৰৰ ব্ৰাউজাৰে এতিয়াও বেলেগ এটা বহিৰ্গামী ৰুটৰ প্ৰয়োজন হয়। এইবোৰ দুটা সংযোগ:

Scrapy → Splash API
Splash browser → forward proxy → website

প্ৰতিটো ৰেণ্ডাৰৰ বাবে এটা প্ৰক্সিৰ বাবে HTTP API-ৰ proxy আৰ্গুমেণ্ট পাছ কৰক। Splash 3.5-এ http://proxy.example:8080-ৰ দৰে এটা প্ৰক্সি URL, বা এটা সংৰচিত proxy-profile নাম লিখিছে। ইয়াৰ URL ফৰ্মেটে SOCKS5 আৰু ঐচ্ছিক প্ৰমাণপত্ৰও সমৰ্থন কৰে।

যেতিয়া পৃথক পৃষ্ঠা সম্পদসমূহে বেলেগ এণ্ডপইণ্টৰ প্ৰয়োজন হয়, তেতিয়া এটা execute স্ক্ৰিপ্ট ব্যৱহাৰ কৰক আৰু নেভিগেচনৰ আগতে বাছনি পঞ্জীয়ন কৰক:

function main(splash, args)
  splash:on_request(function(request)
    local host = args.default_proxy
    if request.url == args.special_resource then
      host = args.special_proxy
    end
    request:set_proxy{host = host, port = 8080, type = 'HTTP'}
  end)

  assert(splash:go(args.url))
  return splash:html()
end

default_proxy আৰু special_proxy-ক হোষ্টনাম হিচাপে, আৰু special_resource-ক পৃথকে ৰুট কৰিবলগীয়া সঠিক সম্পদ URL হিচাপে পাছ কৰক। দুটা লিচেনাৰ বেলেগ হ'লে উদাহৰণৰ একক প'ৰ্টটো সলনি কৰক। অন্য সম্পদসমূহে ডিফল্ট ৰুট পায়। HTTP প্ৰক্সি তালিকায়ে এই হোষ্ট আৰু প'ৰ্ট ক্ষেত্ৰসমূহৰ বাবে এণ্ডপইণ্ট প্ৰাৰ্থী যোগান ধৰে, যেতিয়া ৰাজহুৱা সম্পদ ৰুট অনুমোদিত হয় আৰু প্ৰাৰ্থীসমূহত কোনো প্ৰক্সি প্ৰমাণপত্ৰ প্ৰয়োগ নহয়।

request পদ্ধতিয়ে ঐচ্ছিক username আৰু password ক্ষেত্ৰ গ্ৰহণ কৰে। HTTP প্ৰকাৰৰ সৈতে, HTTPS গন্তব্যসমূহে সেই HTTP প্ৰক্সিৰ জৰিয়তে CONNECT ব্যৱহাৰ কৰে; তেওঁলোকৰ বাবে বনোৱা HTTPS প্ৰক্সি প্ৰকাৰৰ প্ৰয়োজন নাই।

কলবেকে প্ৰতিটো অনুৰোধৰ আগতে চলায়। ইয়াৰ request পদ্ধতিসমূহে পঠিওৱাৰ পিছত অনুৰোধ সলনি কৰিব নোৱাৰে, আৰু কলবেকে splash:go বা splash:wait-ৰ দৰে অসামঞ্জস্যপূৰ্ণ Splash পদ্ধতি মাতিব নোৱাৰে।

যেতিয়া পৃষ্ঠাই এটা ছেছন বা উৎস পৰিচয় আশা কৰে, তেতিয়া ৰুট বাছনি স্থিৰ ৰাখক। প্ৰতিটো ছবি আৰু API অনুৰোধক এলোমেলোভাৱে অন্য এটা আউটলেটলৈ নিযুক্ত কৰিলে এনে এটা ৰেণ্ডাৰ কৰা পৃষ্ঠা সৃষ্টি হ'ব পাৰে যাৰ অনুৰোধসমূহে আৰু এটা সুসংগত ছেছনৰ অন্তৰ্গত নহয়।