一.scrapy环境搭建,参考我的博客–>爬虫框架虚拟环境搭建
二.scrapy设置配置
1.设置用户代理
进入页面并刷新,进入开发者模式,点击选中一个网页,在Network-Headers中找到USER_AGENT,并复制就可以了.
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
2.是否遵守爬虫协议改为否(原因你懂的)
ROBOTSTXT_OBEY = False
3.一次允许的最大请求数
# Configure maximum concurrent requests performed by Scrapy (default: 16)
CONCURRENT_REQUESTS = 2
4.设置下载延迟时间,因而使得爬虫更像是人的行为,避免IP被屏蔽
DOWNLOAD_DELAY = 3
5.设置下载中间键
DOWNLOADER_MIDDLEWARES = {
'xymtest.middlewares.XymtestDownloaderMiddleware': 543,
}
6.设置管道