Crawlee 3 ప్రాక్సీ URLను సెషన్ IDతో జోడిస్తుంది
స్థిరమైన మార్గ ఎంపిక కోసం Crawlee 3.14 యొక్క ProxyConfiguration సెషన్ ఆర్గ్యుమెంట్ను ఉపయోగించండి, మరియు v4 మైగ్రేషన్ పత్రంలో మారిన యాజమాన్య నమూనాను పరిగణనలోకి తీసుకోండి.
Crawlee 3.14లో, ProxyConfiguration సెషన్ గుర్తింపును ఎంచుకున్న ప్రాక్సీ URLతో జోడించగలదు:
import { ProxyConfiguration } from 'crawlee';
const proxies = new ProxyConfiguration({
proxyUrls: [
'http://proxy-a.example:8080',
'http://proxy-b.example:8080',
],
});
const first = await proxies.newUrl('checkout-a');
const sameRoute = await proxies.newUrl('checkout-a');
const anotherSession = await proxies.newUrl('checkout-b');
HTTP ప్రాక్సీ జాబితా proxyUrls కోసం ప్రజా అభ్యర్థులను అందిస్తుంది. అదే సెషన్ IDతో పునరావృత కాల్స్ దానితో జోడించిన URLను తిరిగి ఇస్తాయి. సెషన్ ID లేకపోతే, అందించిన జాబితా వంతుల ప్రకారం తిరుగుతుంది. ఇది కాన్ఫిగర్ చేసిన ఎండ్పాయింట్ను ఎంచుకుంటుంది; ఒక URL వెనుక ఎగ్జిట్లను తిప్పే అప్స్ట్రీమ్ సేవ ఇప్పటికీ తన స్వంత ఎగ్జిట్ ప్రవర్తనను నియంత్రిస్తుంది.
క్రాలర్ నిర్వహించే సెషన్ల కోసం, క్రాలర్ సెషన్ పూల్ మరియు కుకీ నిల్వ ఏర్పాటును ఉపయోగించండి. maxConcurrencyను ఒకటికి తగ్గించడం ఏ అభ్యర్థనలు ఒకే సెషన్కు చెందుతాయో నిర్వచించడానికి ప్రత్యామ్నాయం కాదు.
సెషన్ను విరమింపజేయడం కొత్త గుర్తింపు సరిహద్దును సృష్టిస్తుంది. లాగిన్ లేదా బహుళ-దశల ఆపరేషన్ సమయంలో ఒకే ఫీల్డ్ను తిప్పడం బదులు దాని మార్గం, కుకీలు మరియు పనిభార స్థితిని స్థిరంగా ఉంచండి.
ప్రధాన వెర్షన్ ముఖ్యం. Crawlee యొక్క v4 మైగ్రేషన్ పత్రం newUrl నుండి sessionId ఆర్గ్యుమెంట్ను తొలగించి ప్రాక్సీ జోడింపును Session యాజమాన్యానికి మారుస్తుంది. పై ఉదాహరణ ఉద్దేశపూర్వకంగా v3 ఇంటర్ఫేస్ను ఉపయోగిస్తుంది; ఆ జీవనచక్రాన్ని సర్దుబాటు చేయకుండా దాని ఆర్గ్యుమెంట్ను మరొక ప్రధాన వెర్షన్కు కాపీ చేయవద్దు.