Scrapy系列十三:实现伪装成随机浏览器

本文代码基于系列八代码的基础上修改

1.安装fake-useragent库

这个库能随机生成UserAgent

pip install fake-useragent

 

2.编写Middleware

 

3.去掉原来的代理

原本我是在headers里传入UserAgent

 

4.Settings.py文件把ROBOTSTXT_OBEY设置为True

 

启动测试:

Middleware函数里随机生成打印的UserAgent

 

qidian_hot_spider.py完整代码

from scrapy import Request
from scrapy.spiders import Spider
from qidian_hot.items import QidianHotItem
from scrapy.loader import ItemLoader

class HotSalesSpider(Spider):

    name = "hot"

    #当前页数
    current_page = 1

    #设置用户代理为浏览器类型
    #qidian_headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36"}

    def start_requests(self):
        url = "https://www.qidian.com/rank/hotsales?style=1&page=1"
        yield Request(url, callback=self.qidian_parse)
        # yield Request(url,headers=self.qidian_headers, callback=self.qidian_parse)

    #数据解析,此时response对象已经有网页的html数据
    def qidian_parse(self, response):
        #使用xpath定位到小说内容的div元素
        list_selector =  response.xpath("//div[@class='book-mid-info']")
        #读取每部小说的元素
        for one_selector in list_selector:
            #参数item接收QidianHotItem实例,selector接收一个选择器
            novel = ItemLoader(item=QidianHotItem(), selector=one_selector)
            #获取小说名称
            novel.add_xpath("name", "h4/a/text()")
            #获取作者,第一个p标签的第一个a标签的内容
            novel.add_xpath("author", "p[1]/a[1]/text()")
            #获取类型
            novel.add_xpath("type", "p[1]/a[2]/text()")
            #获取形式
            novel.add_css("form", ".author span::text")
            #将提取好的数据load处理,并返回。load_item方法给Item对象赋值
            yield novel.load_item()

        #多页数据爬取,原理:执行完一次爬取,当前页数加1,然后通过回调函数重新执行qidian_parse方法
        self.current_page+=1
        if(self.current_page <= 25):
            next_url = "https://www.qidian.com/rank/hotsales?style=1&page=%d"%(self.current_page)
           # yield Request(next_url, headers=self.qidian_headers, callback=self.qidian_parse)
            yield Request(next_url, callback=self.qidian_parse)

middlewares.py代码

#导入UserAgenMiddleware组件模块
from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware
from fake_useragent import UserAgent

#设置随机设置user-agent
class QidianHotUserAgentMiddleware(UserAgentMiddleware):#继承UserAgentMiddleware

    def process_request(self, request, spider):
        ua = UserAgent()
        #生成随机的UserAgent
        request.headers['User-Agent'] = ua.random
        print(request.headers['User-Agent'])

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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