Scrapy使用问题整理(转载)

Posted 2020-08-31 Python运维之路

转载自：http://blog.csdn.net/heu07111121/article/details/50832999

 

最近尝试使用Scrapy进行数据抓取，并尝试在windows7 64位系统上安装scrapy，下面总结记录遇到两个问题和解决方法：

 

scrapy官网的地址为：http://scrapy.org/

1、首先按照官网的说明，直接pip安装scrapy，报以下错误，提示缺少VC++9.0，报错信息有给出具体的说明和解决方法。

>>pip install scrapy

error: Microsoft Visual C++ 9.0 is required (Unable to find vcvarsall.bat). Get it from http://aka.ms/vcpython27

解决方法：直接点击下载VCForPython27.msi，也直接访问下面的连接https://www.microsoft.com/en-us/download/details.aspx?id=44266

 

2、下载并安装VCForPython27.msi，然后再运行pip install scrapy，再次报错，提示找不到libxml2库。

>>pip install scrapy

c:\users\zjn3645\appdata\local\temp\xmlXPathInit7hkp2z.c(1) : fatal error C1083: Cannot open include file: ‘libxml/xpath.h‘: No such file or directory

*********************************************************************************

Could not find function xmlCheckVersion in library libxml2. Is libxml2 installed?

*********************************************************************************

error: command ‘C:\\Users\\zjn3645\\AppData\\Local\\Programs\\Common\\Microsoft\\Visual C++ for Python\\9.0\\VC\\Bin\\cl.exe‘ failed with exit status 2

 

解决方法：

使用easy_install安装lxml，然后再次安装pip install scrapy，成功~

>>easy_install lxml

 

3、scrapy安装完成，运行官网首页的样例报错，原因是缺少pywin32

>>scrapy runspider myspider.py

exceptions.ImportError: No module named win32api

2016-03-09 10:17:49 [twisted] CRITICAL:

 

解决方法：按照官方文档的说明安装

Install pywin32 from https://sourceforge.net/projects/pywin32/files/pywin32/

这里有详细的说明http://doc.scrapy.org/en/latest/intro/install.html#intro-install-platform-notes

pywin32有32位和64位版本，

对于64位的windows 7，如果python环境变量已经正确安装，pywin32安装的时候仍然报找不到python的错误，尝试pywin32的32位版本。

 

总结：在安装和使用新的工具之前一定要先看看官方文档的说明，搞清楚安装和使用的前提条件！

4、关闭代理

默认使用代理，有些网页使用本地代理无法访问！

2016-03-09 15:18:21 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023

2016-03-09 15:18:21 [scrapy] DEBUG: Crawled (403) <GET http://xxx.com.cn/xxx.html>

(referer: None)

2016-03-09 15:18:21 [scrapy] DEBUG: Ignoring response <403 http://xxx.com.cn/xxx.html>: HTTP status code is not handled or not allowed

关闭代理

修改settings.py如下

DOWNLOADER_MIDDLEWARES = {

    ‘scrapy.downloadermiddlewares.useragent.UserAgentMiddleware‘: None,

}