python爬虫之Scrapy 使用代理配置——乾颐堂
Posted 乾颐堂
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爬虫之Scrapy 使用代理配置——乾颐堂相关的知识,希望对你有一定的参考价值。
在爬取网站内容的时候,最常遇到的问题是:网站对IP有限制,会有防抓取功能,最好的办法就是IP轮换抓取(加代理)
下面来说一下Scrapy如何配置代理,进行抓取
1.在Scrapy工程下新建“middlewares.py”
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
# Importing base64 library because we‘ll need it ONLY in case if the proxy we are going to use requires authentication import base64 # Start your middleware class class ProxyMiddleware( object ): # overwrite process request def process_request( self , request, spider): # Set the location of the proxy request.meta[ ‘proxy‘ ] = "http://YOUR_PROXY_IP:PORT" # Use the following lines if your proxy requires authentication proxy_user_pass = "USERNAME:PASSWORD" # setup basic authentication for the proxy encoded_user_pass = base64.encodestring(proxy_user_pass) request.headers[ ‘Proxy-Authorization‘ ] = ‘Basic ‘ + encoded_user_pass |
2.在项目配置文件里(./pythontab/settings.py)添加
1
2
3
4
|
DOWNLOADER_MIDDLEWARES = { ‘scrapy.contrib.downloadermiddleware.httpproxy.HttpProxyMiddleware‘ : 110 , ‘pythontab.middlewares.ProxyMiddleware‘ : 100 , } |
http://www.qytang.com/cn/list/28/611.htm
http://www.qytang.com/cn/list/28/610.htm
http://www.qytang.com/cn/list/28/595.htm
http://www.qytang.com/cn/list/28/583.htm
http://www.qytang.com/cn/list/28/582.htm
http://www.qytang.com/cn/list/28/576.htm
http://www.qytang.com/cn/list/28/523.htm
http://www.qytang.com/cn/list/28/499.htm
http://www.qytang.com/cn/list/28/488.htm
http://www.qytang.com/cn/list/28/466.htm
以上是关于python爬虫之Scrapy 使用代理配置——乾颐堂的主要内容,如果未能解决你的问题,请参考以下文章
芝麻HTTP:Python爬虫进阶之Scrapy框架安装配置
python3下scrapy爬虫(第十三卷:scrapy+scrapy_redis+scrapyd打造分布式爬虫之配置)