Scrapy解决URL被重定向无法抓取到数据问题301302

在使用Scrapy框架中总是遇到这类问题,在此留下记录,方便查阅、

三种解决方式:
解决(一)
在Request中将scrapy的dont_filter=True,因为scrapy是默认过滤掉重复的请求URL,添加上参数之后即使被重定向了也能请求到正常的数据了

解决(二)
在scrapy框架中的 settings.py文件里添加

HTTPERROR_ALLOWED_CODES = [301]

解决(三)
使用requests模块遇到301和302问题时

url = 'https://www.baidu.com/'
html = requests.get(url, headers=headers, allow_redirects=False)
return html.headers['Location']

allow_redirects=False的意义为拒绝默认的301/302重定向从而可以通过html.headers[‘Location’]拿到重定向的URL。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Scrapy发出请求时,如果遇到定向,Scrapy会自动处理定向。默认情况下,Scrapy会遵循HTTP定向,直到达到最终目标URL或达到最大定向次数。 如果您想在定向时执行特定的操作,例如跟踪定向链或修改请求头,您可以使用Scrapy的`meta`参数。以下是一个示例,演示如何在遇到定向时跟踪定向链: ```python import scrapy class MySpider(scrapy.Spider): name = 'myspider' start_urls = ['http://www.example.com'] def start_requests(self): for url in self.start_urls: yield scrapy.Request(url, callback=self.parse, meta={'redirect_urls': []}) def parse(self, response): # 从meta参数中获定向URL列表 redirect_urls = response.meta.get('redirect_urls', []) # 将当前URL添加到定向URL列表中 redirect_urls.append(response.url) # 如果存在定向URL,则跟踪定向链 if 'Location' in response.headers: location = response.headers['Location'].decode('utf-8') redirect_urls.append(location) yield scrapy.Request(location, callback=self.parse, meta={'redirect_urls': redirect_urls}) else: # 如果没有定向,则处理响应 yield { 'url': response.url, 'redirect_urls': redirect_urls } ``` 在这个例子中,我们定义了一个名为`myspider`的Spider,并将`start_urls`设置为`http://www.example.com`。我们使用`start_requests`函数创建一个初始请求,并使用`meta`参数传递一个空的定向URL列表。 在`parse`函数中,我们首先从`meta`参数中获定向URL列表。然后,我们将当前URL添加到定向URL列表中,并检查响应头中是否存在`Location`字段。如果存在,则表示响应是一个定向,我们将定向URL添加到定向URL列表中,并创建一个新的请求,以跟踪定向链。如果没有定向,则处理响应。 最后,我们可以通过以下方式启动Spider: ```python from scrapy.crawler import CrawlerProcess process = CrawlerProcess() process.crawl(MySpider) process.start() ``` 在Scrapy日志中,我们可以看到跟踪的定向链。

“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 1
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