scrapy爬知乎返回500

本文介绍使用Scrapy爬虫框架抓取知乎日报时遇到返回500错误的问题及解决方案。作者通过调整User-Agent设置成功解决了该问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

用scrapy爬 知乎日报时,总是返回500

# -*- coding: utf-8 -*-
import scrapy
#import pdfkit
from zhihudaily.items import ZhihudailyItem
class ZhihuSpider(scrapy.Spider):
    name = 'zhihu'
    allowed_domains = ['daily.zhihu.com']
    start_urls = ['http://daily.zhihu.com/']

    def parse(self, response):
        item = ZhihudailyItem()
        sub_url = response.xpath("//div[@class='col-lg-4'][1]//div[@class='wrap'][1]//@href").extract_first()
        fix_url = "http://daily.zhihu.com"
        item["url"] = fix_url+sub_url

        title  = response.xpath("//div[@class='col-lg-4'][1]//div[@class='wrap'][1]//span/text()").extract_first()
        item["filename"] =  "C:/Users/高翔/Desktop/"+title+".pdf"
        print(item["filename"], item['url'])
        yield item
        #pdfkit.from_url(mix_url, filename)

        

在settings文件中添加USER_AGENT也不好使:

DEFAULT_REQUEST_HEADERS = {
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
  'Accept-Language': 'zh-CN,zh;q=0.9',
  'Cache-Control':'max-age=0',
  'Connection':'keep-alive',
  'Host':'daily.zhihu.com',
  'USER_AGENT':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3269.3 Safari/537.36'
}

原因在于, settings文件有自己的USER_ANGET,并不是在headers中添加的。

# Crawl responsibly by identifying yourself (and your website) on the user-agent
USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3269.3 Safari/537.36'


问题解决
基础不扎实...
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