python爬虫 如何解决http error 503问题

Posted 2023-03-04

用python写了个爬虫，用来爬取八百万左右亚马逊商品链接的title，可是总是跑了几个就报http error 503 问题，查了好多还是没解决，望高手们指点指点，谢谢啦

从表面上看，Python爬虫程序运行中出现503错误是服务器的问题，其实真正的原因在程序，由于Python脚本运行过程中读取的速度太快，明显是自动读取而不是人工查询读取，这时服务器为了节省资源就会给Python脚本反馈回503错误。其实只要把爬取的速度放慢一点就好了。比如读取一条记录或几条记录后适当添加上time.sleep(10)，这样就基本上不会出现503错误了。我本人在使用中一般是在每一次读取后都运行time.sleep(1)或time.sleep(3)，具体的数值根据不同的网站确定。 参考技术A

这个有主要有两种可能：

你生成的url不正确，这个你可以打印一下，找一个报503的url直接在url里访问，看看是否有问题。

亚马逊判断出你是爬虫，给禁止返回数据了，这个就需要伪装一下你的爬虫，比如修改爬取间隔，随机使用http header，或者使用代理ip。

如果解决了您的问题请采纳！
如果未解决请继续追问

本回答被提问者和网友采纳 参考技术B 自己做个代理服务器。例如618爬虫代理，再指向次一级代理。或者是直接让爬虫通过http proxy的参数设置去先把一个代理。 代理池通常是租来的，或者是扫描出来的。扫描出来的往往大部分都不可用。 爬虫的实现有几百种方案。通常建议直接从SCRAPY入手。 参考技术C 503表示服务器端出现错误，和你的代码无关；也有可能你爬取得 路径本身有问题 参考技术D 503可能是你的请求头有问题，不要问我为什么，我不知道原理，但是我遇见过错误，重写请求头