cookie的禁用:
在爬取不需要登入的页面是,cookie可能会成为网站检测爬虫的途径之一,所以一般会把cookie禁用,防止被反爬;
禁用方法:在setting.py中,将COOKIES_ENABLED设定为False;
而在爬取需要登入的页面是,cookie往往是发送登录信息的一种手段,所以可以在spider的py文件中重载custom_settings:
custom_settings = {
"COOKIES_ENABLED": True,
}
在custom_settings中,也可以重载其他spider setting。
自动限速:
爬虫爬取速度过快,会对网站服务器造成很大的压力,因此很容易会被判断为爬虫,自动限速可以限制爬虫的速度,对网站服务器更友好,并且不容易被反爬。
自动限速设定:
在setting.py开启相关扩展:
AUTOTHROTTLE_ENABLED = True
设定爬取速度:
DOWNLOAD_DELAY = 1 #单位为秒