A-Parser - продвинутый парсер ПС, PR, WS, более 35 парсеров!

Сборник рецептов #65: проверка DMCA в Google выдаче, парсинг Wayback Machine и Steam Market

65-й сборник рецептов, в котором представлены парсер для проверки запросов DMCA в Google выдаче, парсер сохранённых страниц Wayback Machine и парсер Steam Market.

Проверка запросов DMCA в Google выдаче

Парсер проверяет наличие DMCA-уведомлений внизу выдачи Google. В качестве запросов можно указывать любые поисковые запросы, которые возможны в браузере: домены, операторы Google, обычные ключевые слова и другие варианты. Подходит для быстрой проверки, есть ли по запросу ограничения или жалобы DMCA в поисковой выдаче.




Парсинг Wayback Machine

Парсер веб-архива собирает данные о сохранённых страницах из WebArchive / Wayback Machine. Можно задать начальный и конечный год парсинга, а в результате получить список архивных копий страниц с датой сохранения, ссылкой на архивную версию, исходным URL и заголовком страницы.




Парсер Steam Market

Парсер Steam Market собирает данные из поиска торговой площадки Steam. В качестве запросов принимает ключевые слова, например case или ak 47. В результатах доступны название товара, название игры, изображение, количество и цена.




Еще больше различных рецептов в нашем Каталоге!
Предлагайте ваши идеи для новых парсеров здесь, лучшие будут реализованы и опубликованы.

Подписывайтесь на наш канал на Youtube - там регулярно выкладываются видео с примерами использования A-Parser, а также следите за новостями в X.

Все сборники рецептов

Последний раз редактировалось: A-Parser Support (18/06/26 в 06:07), всего редактировалось 2 раз(а)

1.2.3390 - полное восстановление работы SE::Google, новый docker образ aparser/runtime:headful




Улучшения

• Полностью восстановлена работа парсера SE::Google под Linux и Windows
  
• В SE::Google добавлена опция Write Google timeout HTML (по умолчанию отключена)
  
• В SE::Bing::Translator актуализирован список языков
  
  
• В Net::Whois добавлена поддержка домена .us.com
  
  
• В Util::Turnstile добавлена поддержка сервиса разгадывания BotLab
  
• Добавлен docker образ aparser/runtime:headful - помогает увеличить скорость парсинга в SE::Google
  

Исправления в связи с изменениями в выдаче

• В SE::Google исправлены некоторые ошибки парсинга (включая timeout ошибки), возникающие из-за изменений в верстке
  
• В Reddit:: PostInfo исправлен сбор комментариев к публикациям
  
• В SE::Yandex:: Direct исправлен сбор $domain, $title, $text
  
  
• В SE::Yandex::WordStat исправлен сбор частотности, а так же разгадывание смарт-каптчи
  

Исправления

• В SE::Google исправлено закрытие браузера
  
• В SE::Bing::Translator исправлено отсутствие списка поддерживаемых языков для параметров From language и To language
  
• В FreeAI:: Perplexity исправлена работа функции New attempt when match для языков, отличных от английского
  

Дайджест A-Parser: обновление дополнительных парсеров


Дайджест A-Parser: обновление дополнительных парсеров

Внешние сервисы регулярно изменяют структуру страниц, форматы выдачи, механизмы авторизации и способы загрузки данных. Мы отслеживаем такие изменения и вносим необходимые доработки, чтобы вы могли продолжать использовать парсеры в своих рабочих процессах.


Парсер SimilarWeb

Обновление парсера для сбора данных SimilarWeb

• Восстановлена корректная работа парсера
  
• Модуль обхода защиты переработан с Puppeteer на Playwright
  
• Улучшена совместимость с текущими механизмами защиты SimilarWeb
  

Парсер JS::MailValidator

Обновление парсера для проверки email-адресов

• Исправлена проверка почты в Outlook/Hotmail, Mail.ru, Яндексе, Рамблере
  
• Добавлена поддержка Yahoo через Puppeteer
  
• Добавлена поддержка AOL через Puppeteer
  
• Добавлен домен hotamil.com
  

Парсер expireddomains.net

Обновление парсера для сбора данных об удаленных доменах

• Пресет полностью переписан на JS-парсер
  
• Учтена новая обязательная авторизация с MFA
  
• Реализована загрузка данных таблицы через XHR-запросы
  
• Обновлен набор колонок: убрана ALEXA, добавлены WBY, MMGR и List
  

Парсер постов из X (Twitter)

Обновление парсера для сбора постов из X

• Исправлена совместимость с новой структурой X API
  
• Исправлена обработка аккаунтов с promoted content
  
• Исправлена работа с курсорами пагинации
  
• Улучшен экспорт Post ID в Excel для корректного отображения длинных идентификаторов
  

Парсер всех видео с YouTube-канала

Обновление парсера для сбора видео с YouTube-каналов

• Добавлена совместимость с новым форматом YouTube lockupViewModel
  
• Исправлена обработка ytcfg для каналов с нестандартной структурой
  
• Исправлено получение длительности видео
  
• Добавлен сбор описаний видео
  
• Переработана архитектура для параллельной обработки роликов
  

Если вы хотите, чтобы мы более подробно раскрыли какой-то функционал парсера, у вас есть идеи для новых статей или вы желаете поделиться собственным опытом использования A-Parser — отписывайтесь здесь.

Подписывайтесь на наш канал на Youtube - там регулярно выкладываются видео с примерами использования A-Parser, а также следите за новостями в X.

NextGen UI — новый интерфейс A-Parser

В новом обновлении мы завершили переход на NextGen UI — теперь он используется по умолчанию в версиях A-Parser для Windows и Linux.

Интерфейс полностью переписан с нуля на новой архитектуре, работает в браузере и в формате Desktop-приложения, поддерживает тёмную тему и сохраняет привычные возможности A-Parser.

С момента первой тестовой версии NextGen UI получил множество крупных улучшений: расширенную работу с логами, встроенные инструменты тестирования и отладки, улучшенное управление заданиями и пресетами, планировщик, групповые операции и автоматическое восстановление после сбоев.

Основные возможности NextGen UI

• Расширенная работа с логами. Доступны поиск, фильтрация, выделение, копирование и скачивание записей. Логи отображаются непосредственно при тестировании задания в редакторе, а отладочный вывод можно быстро включать и отключать.
  
• Наглядная отладка. JS-дампы, HTTP-запросы и ответы отображаются в виде раскрываемых JSON-деревьев, изображения выводятся прямо в логах. Для регулярных выражений добавлен быстрый переход во встроенный Тестер регулярок.
  
• Улучшенный Parser Test. Настроенный в тестере парсер можно перенести непосредственно в редактор задания. При замене парсера предлагается сохранить совместимые переопределённые настройки.
  
• Информативная очередь заданий. В очереди отображаются используемый пресет, настройки парсера, точное время запуска и расчётное время до завершения. Добавлены массовое выделение заданий и групповые действия.
  
• Удобное управление пресетами. Пресеты можно переименовывать, искать и сортировать. При импорте пресет сначала открывается в редакторе, где его можно проверить и изменить перед сохранением. Для действий «по завершении» добавлены отдельные поля выбора пресетов заданий и конфигураций потоков.
  
• Встроенные инструменты. В NextGen UI доступны планировщик заданий, Тестер регулярных выражений, редактор tools.js, расширенные настройки и диалог API-запроса с редактором кода.
  
• Сохранение рабочего состояния. Интерфейс запоминает открытые разделы, выбранные вкладки, страницы очереди, прокрутку, положение и размер окон, а также состояние редактора JS-парсеров.
  
• Обновлённая тёмная тема. Переработана цветовая схема, повышена контрастность и улучшены визуальные акценты в редакторе заданий.
  
• Работа с большими объёмами данных. Ускорена загрузка логов, снижена нагрузка на диск, большие списки файлов подгружаются постепенно по кнопке «Загрузить ещё».
  
• Автоматическое обслуживание. Хост и порт ядра настраиваются через интерфейс, свободный порт подбирается автоматически. После сбоя ядро перезагружается, а после обновления A-Parser автоматически перезапускается.
  

Полностью восстановлена работа SE::Google

Вторым ключевым изменением обновления стало полное восстановление работы парсера SE::Google.

В последние недели Google последовательно усиливал защиту и менял механизмы формирования выдачи, из-за чего сбор результатов стал заметно сложнее. Работа над адаптацией парсера велась практически непрерывно.

В результате:

• полностью восстановлена работа SE::Google в режиме Browser на Windows и Linux для профилей desktop и mobile;
  
• полностью восстановлена работа HTTP-режима на всех платформах и профилях;
  
• улучшена работа с пагинацией;
  
• добавлено определение неполной выдачи — одной из разновидностей защиты Google;
  
• добавлено определение новой капчи «Verifying your request»;
  
• исправлено смешивание браузерных заданий при работе через Redis API;
  
• восстановлена работа SE::Google::Images;
  
• исправлена работа SE::Google::Translate в режиме desktop;
  
• восстановлен сбор отзывов в Maps::Google::Reviews;
  
• исправлен вывод общего количества отзывов $totalcount;
  
• исправлен сбор переменной $claim в Maps::Google;
  
• добавлен сбор общего рейтинга организации $avgrating.
  

Новый парсер SE::Rutube

Добавлен новый парсер SE::Rutube для сбора результатов поиска видео на Rutube.

Улучшения

• Net::Whois - добавлена работа через серверы RDAP и переменная $rdapserver. Добавлена поддержка доменных зон `.gr` и `.ελ`.
  
• Shop::Wildberries::ProductInfo - добавлен сбор цены с кошельком WB в переменную $walletPrice.
  
• Util::Turnstile - добавлена возможность обработки Cloudflare Turnstile через XEvil.
  
• Telegram::GroupScraper - добавлены новые переменные и массивы, фильтр по дате и возможность пропускать пересланные сообщения.
  
• Social::TikTok::Profile - парсер переведён на Puppeteer для обхода блокировки HTTP-запросов со стороны Akamai; восстановлен сбор ссылок на подписки.
  
• FreeAI::Kimi - восстановлена работа и добавлена авторизация через Bearer token.
  
• SE::Brave - добавлена обработка капчи.
  

Исправления в связи с изменениями на источниках

• SE::Bing - исправлен парсинг в режимах Browser и HTTP.
  
• SE::You - восстановлена работа парсера.
  
• SE::Startpage - восстановлена работа основной выдачи.
  
• SE::Startpage::Videos и SE::Startpage::Images - восстановлена работа парсеров.
  
• SE::DuckDuckGo и SE::DuckDuckGo::Images - восстановлена работа парсеров.
  
• Social::Instagram::Search - восстановлена работа, исправлена ошибка 403 Forbidden.
  
• Social::Instagram::Tag - устранены дубли публикаций в результатах.
  
• Social::Instagram::Profile - восстановлена работа и исправлена смена прокси при сборе подписчиков.
  
• Shop::Wildberries::ProductsList - восстановлена работа и исправлен нестабильный сбор данных.
  
• Shop::Wildberries::ProductInfo - восстановлена работа и исправлены ошибки на отдельных запросах.
  
• Shop::Amazon - исправлен сбор части результатов.
  
• SecurityTrails::Domain - восстановлен обход Cloudflare.
  
• Util::Turnstile - исправлена работа в режимах Browser и Auto.
  
• Net::Whois - исправлена работа с зонами `.direct`, `.insure`, `.global`, `.services`, `.travel` и `.co`.
  
• FreeAI::ChatGPT - исправлен парсинг списков.
  
• FreeAI::Perplexity, FreeAI::DeepAI и DeepL::Translator - восстановлена работа.
  
• Cloudflare::Radar, CoinMarketCap::LastPrice и Rank::Mustat - восстановлена работа.
  

Какие сайты получают видимость в ChatGPT и Perplexity — и можно ли судить об этом по одному ручному запросу?

Мы закончили большое исследование источников в ответах ChatGPT и Perplexity. Нас интересовали не отдельные удачные скриншоты, а системная картина: какие домены появляются в ответах ИИ, насколько различаются две системы и что происходит со списком источников при смене страны и прокси.

Для эксперимента собрали и проанализировали 17 873 источника по 12 слот-играм, 6 коммерческим интентам и 4 странам. Запросы запускались через резидентские прокси целевых стран и смешанный прокси-пул, а ссылки нормализовались и дедуплицировались по паре query + URL.

Уже на первом сравнении стало понятно, почему единичной ручной проверки недостаточно. После нормализации у ChatGPT было 1 223 домена, у Perplexity — 2 019, а общими оказались только 450 доменов. Коэффициент сходства между системами составил всего 16,12%. ChatGPT чаще выводил официальных провайдеров и Reddit, а Perplexity — классические аффилейт-обзорники.

Но количество цитирований оказалось только половиной картины.

• В ChatGPT сайт Pragmatic Play лидировал по общей частоте — 303 цитирования. При этом только 23,1% его ссылок вошли в Top-3.
  
• У Reddit было меньше цитирований — 182, зато 68,7% ссылок оказались в первой тройке сохранённого списка источников.
  
• Получается, лидер по числу ссылок и лидер по заметности — не обязательно один и тот же домен.
  

Отдельно проверили влияние IP. В контрольном тесте из запросов убрали название страны и отправляли одинаковые англоязычные вопросы через резидентские прокси Новой Зеландии, Бразилии, Мексики и Казахстана.
Даже без географических подсказок в тексте пересечение доменов у ChatGPT составило только 16,28%. То есть один запрос с одного IP показывает лишь конкретный срез, а не устойчивую картину видимости.

Именно здесь разовая выгрузка превращается в задачу для регулярного мониторинга: кто удерживается в источниках, кто появляется впервые, кто выпадает и как меняется доля Top-3 по странам и режимам прокси.
A-Parser позволяет поставить такой сбор по расписанию и получать данные в одинаковом формате без ручного копирования ответов.

В полной теме:

• методика эксперимента и формула запросов;
  
• сравнение ChatGPT и Perplexity;
  
• страновые срезы и влияние разных режимов прокси;
  
• анализ числа цитирований, средней позиции в массиве источников и доли Top-3;
  
• открытый датасет основного сбора и контрольного теста;
  
• готовые пресеты для ChatGPT и Perplexity, чтобы повторить сбор на своей нише.
  

Открыть исследование, посмотреть результаты и скачать материалы

Если уже проверяли видимость своих сайтов или конкурентов в ответах ИИ, интересно сравнить опыт: насколько сильно у вас меняется набор источников между ChatGPT, Perplexity и разными GEO?

В каких нишах небольшие каналы выигрывают в выдаче YouTube — и почему высокий ранг не гарантирует просмотры?

Представьте парадокс: видео автора с 700 подписчиками забирает 2,7 миллиона просмотров и 3-е место в поисковой выдаче YouTube по iPhone, а в финансовых темах — крипте и дропшиппинге — ни одно из 59 видео небольших каналов не преодолевает планку в 20 000 просмотров. При этом в обзорах криптобирж авторы небольших каналов занимают каждый третий ролик в ТОП-10: 45 из 136, или 33,09%.

Чтобы выяснить, где алгоритмы дают реальный охват, а где ранжирование оказывается «холостым», мы провели исследование выдачи с помощью A-Parser. Для эксперимента собрали 34 070 строк поисковой выдачи YouTube по 28 темам и 343 подсказкам, сведя датасет к 21 537 уникальным видео.

Главное открытие: высокий ранг в поиске и реальные просмотры — это две разные задачи.

• Визуальные ниши дают шанс малым авторам: В распаковках гаджетов, фитнесе, DIY и коротких роликах с демонстрацией AI-инструментов доля прорывных видео от небольших каналов (от 100 до 10 000 подписчиков, набравших от 20 000 просмотров и превысивших число подписчиков в 10+ раз) достигала 23,15% от уникальных видео в ТОП-10.
  
• Коммерческие ниши дают позиции, но не дают просмотров: В темах криптобирж, ботов и дропшиппинга малые каналы формировали 33–35% результатов в ТОП-10, но ни один из 59 роликов не достиг 20 000 просмотров. Позиция в поиске есть, а просмотров нет.
  
• Один ролик закрывает сразу кластер подсказок: 22,38% видео появлялись минимум по двум поисковым подсказкам, а отдельные ролики-лидеры ранжировались сразу по 21 подсказке.
  

A-Parser позволяет превратить этот процесс из ручного просмотра сотен запросов в регулярный автоматизированный мониторинг ниши с помощью 3-шаговой цепочки: SE::YouTube::Suggest ➔ SE::YouTube ➔ SE::YouTube::Video.

В полной теме:

• подробная методика эксперимента и структура датасета на 34 070 строк;
  
• 4 фильтра для поиска прорывных видео небольших авторов;
  
• разбор 3 групп тем (визуальные, коммерческие, с ограничениями фильтрации);
  
• анализ тегов и модификаторов заголовков для составления ТЗ на контент;
  
• открытый CSV-датасет и готовый пресет A-Parser для повторения исследования.
  

Открыть исследование, посмотреть результаты и скачать материалы

Если вы уже анализировали выдачу YouTube в своих нишах — поделитесь опытом: в каких тематиках вам чаще попадаются выстрелившие микро-каналы, а где первые места намертво закрепились за гигантами?

Как выгрузить архив сайта из Wayback Machine: CDX API, чистый HTML и Markdown

Старые статьи, цены и описания исчезают из живого веба вместе с редизайнами и удалёнными разделами. По данным Pew Research Center, 38% страниц из выборки 2013 года были недоступны к октябрю 2023 года. Снимки Wayback Machine помогают вернуть этот исторический слой, но обычный обход архива медленный и приносит в данные панели Wayback и служебные скрипты.

В A-Parser для этой задачи есть два практических сценария:

• No-Code-конвейер: Net::HTTP и HTML::ArticleExtractor получает URL через CDX API, скачивает чистые снимки и сохраняет результат в JSONL.
  
• Готовый TypeScript-парсер JS::WaybackCDX: находит снимки, нормализует и дедуплицирует URL, очищает текст через Mozilla Readability и сохраняет отдельные Markdown-файлы с YAML Frontmatter.
  
• Режим id_: в ссылке на снимок убирает тулбар и внедрённые скрипты Wayback, чтобы в выгрузку попал исходный HTML страницы.
  

Открыть руководство, скачать готовый парсер и пресеты