改写scrapy中的middlewares组件,建立user-agent池和IP代理池达到反爬的效果

建立user-agent池:在request的headers设置User-Agent

class RandomUserAgent(object):
    def __init__(self,user_agent):
        self.user_agent = user_agent

    @classmethod
    def from_crawler(cls,crawler):
        # 从settings中加载USER_AGENT的值
        return cls(
            user_agent=crawler.settings.getlist('USER_AGENT')
        )

    def process_request(self, request, spider):
        # 在process_request中设置User-Agent的值
        request.headers.setdefault('User-Agent',random.choice(self.user_agent))

建立IP代理池:在meta中的proxy字段改写代理

class RandomProxy(object):
    def __init__(self,iplist):
        self.iplist = iplist

    @classmethod
    def from_crawler(cls,crawler):
        # 在settings中加载IPLIST的值
        return cls(
            iplist=crawler.settings.getlist('IPLIST')
        )

    def process_request(self, request,
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