Scrapy - 在下载器中间件中设置随机User-Agent


项目目录

在这里插入图片描述

  • 在middlewares.py中
  • 编写随机User-Agent的逻辑
import random


class RandomUserAgent:
    def get_ua(self):
        a = random.randint(55, 62)
        c = random.randint(0, 3200)
        d = random.randint(0, 150)
        os_type = [
            '(Windows NT 6.1; WOW64)', '(Windows NT 10.0; WOW64)', '(X11; Linux x86_64)',
            '(Macintosh; Intel Mac OS X 10_12_6)'
        ]
        chrome_version = f'Chrome/{a}.0.{c}.{d}'
        ua = ' '.join(
            ['Mozilla/5.0', random.choice(os_type), 'AppleWebKit/537.36', '(KHTML, like Gecko)', chrome_version,
             'Safari/537.36'])
        return ua

    def process_request(self, request, spider):
        request.headers['User-Agent'] = self.get_ua()

  • 在settings.py中
  • 开启上面写的中间件
DOWNLOADER_MIDDLEWARES = {
    'scrapy_test.middlewares.RandomUserAgent': 100,
}
  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Scrapy 是一个用于爬虫的开源框架,可以帮助我们更加便捷地进行网页数据的下载和提取。使用 Scrapy 框架下载数据的过程如下: 1. 首先,我们需要安装 Scrapy 框架。可以通过 pip 命令来进行安装:"pip install scrapy"。 2. 创建一个新的 Scrapy 项目。在命令行,使用 "scrapy startproject 项目名" 来创建一个新的项目目录。 3. 进入项目目录,并创建一个新的 Spider。使用命令 "scrapy genspider spider名 网站域名" 来生成一个新的爬虫模板。 4. 打开生成的爬虫文件,在其的 parse 方法编写数据提取的逻辑。可以使用 XPath 或 CSS 选择来定位需要下载的数据。 5. 在 settings.py 文件进行配置。可以设置 User-Agent下载延时、并发数等参数,以及自定义的中间件、管道等。 6. 运行爬虫。在命令行,使用 "scrapy crawl 爬虫名" 来启动爬虫,并开始网页数据的下载和提取。 7. 下载的数据可以保存为文件或者直接存入数据库。可以在爬虫文件定义自己的 Item 类,并在管道文件进行数据的处理和存储。 通过以上步骤,我们可以使用 Scrapy 框架方便地进行网页数据的下载Scrapy 框架不仅提供了简洁的API和强大的功能,同时还支持并发、自动限速等功能,大大提高了爬虫的效率和稳定性。无论是对于个人爬虫项目还是针对大规模数据的爬取,Scrapy 都是一个非常好的选择。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值