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

网络爬虫之scrapy框架详解,scrapy框架设置代理

Python爬虫进阶之Scrapy框架安装配置

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)

python爬虫-爬取盗墓笔记

python爬虫之scrapy模拟登录