Scrapy-Random-Useragent 项目教程

Scrapy-Random-Useragent 项目教程

scrapy-random-useragentScrapy Middleware to set a random User-Agent for every Request.项目地址:https://gitcode.com/gh_mirrors/sc/scrapy-random-useragent

1. 项目的目录结构及介绍

scrapy-random-useragent/
├── LICENSE
├── README.md
├── scrapy_random_useragent/
│   ├── __init__.py
│   ├── middleware.py
├── setup.py

• LICENSE: 项目许可证文件。
• README.md: 项目说明文档。
• scrapy_random_useragent/: 项目的主要代码目录。
  • __init__.py: 模块初始化文件。
  • middleware.py: 核心中间件文件，用于设置随机 User-Agent。
• setup.py: 项目安装脚本。

2. 项目的启动文件介绍

项目的启动文件主要是 middleware.py，其中定义了 RandomUserAgentMiddleware 类，用于在每个请求中设置随机的 User-Agent。

from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware
import random

class RandomUserAgentMiddleware(UserAgentMiddleware):
    def __init__(self, user_agent=''):
        self.user_agent = user_agent

    def process_request(self, request, spider):
        ua = random.choice(self.user_agent_list)
        if ua:
            request.headers.setdefault(b'User-Agent', ua)

    # 用户代理列表
    user_agent_list = [
        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1",
        "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11",
        # 更多 User-Agent 条目
    ]

3. 项目的配置文件介绍

在 Scrapy 项目的 settings.py 文件中，需要配置 DOWNLOADER_MIDDLEWARES 以启用 RandomUserAgentMiddleware。

DOWNLOADER_MIDDLEWARES = {
    'scrapy_random_useragent.middleware.RandomUserAgentMiddleware': 400,
    'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': None,
}

此外，如果需要与随机代理中间件（如 scrapy-proxies）一起使用，可以设置 RANDOM_UA_PER_PROXY 为 True，并调整中间件的优先级。

RANDOM_UA_PER_PROXY = True

通过以上配置，可以在每次请求时使用随机的 User-Agent，从而提高爬虫的匿名性和避免被服务器封禁。

scrapy-random-useragentScrapy Middleware to set a random User-Agent for every Request.项目地址:https://gitcode.com/gh_mirrors/sc/scrapy-random-useragent