Python Scrapy 自动爬虫注意细节
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python Scrapy 自动爬虫注意细节相关的知识，希望对你有一定的参考价值。
一、首次爬取模拟浏览器
在爬虫文件中，添加start_request函数。如：
def start_requests(self):
ua = {"User-Agent": ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.2050.400 QQBrowser/9.5.10169.400‘}
yield Request("http://www.baidu.com", headers=ua)
需要导入：from scrapy.http import Request
二、自动爬取模拟浏览器
打开settings.py，为USER_AGENT赋值，如：USER_AGENT = ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.2050.400 QQBrowser/9.5.10169.400‘
三、注释原起始页
如使用了start_requests方法，需要注释：start_urls = [‘http://www.baidu.com/‘]
四、目标网站的爬虫协议
ROBOTSTXT_OBEY = False
以上是关于Python Scrapy 自动爬虫注意细节的主要内容，如果未能解决你的问题，请参考以下文章