用scrapy-redis分布式爬虫爬取房天下广州的租房信息

我做过用selenium爬取房天下的租房信息,也用过ajax分析接口爬取房天下的租房信息,但是前两次任务都是小规模地爬取,爬取的量比较小。所以这次准备大规模地爬取租房信息,使用scrapy-redis分布式爬虫来爬取,我只有一台电脑,但是我做了两个爬虫来同时爬取,一个从首页中爬取出子页面的链接,一个从子页面中爬虫租房的详细信息,在Pycharm下同时运行两个py文件。
在settings.py文件中添加如下设置

ROBOTSTXT_OBEY = False
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"
SCHEDULER = "scrapy_redis.scheduler.Scheduler"
SCHEDULER_PERSIST = True
SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"
#处理重定向
MEDIA_ALLOW_REDIRECTS = True
DEFAULT_REQUEST_HEADERS = { #添加请求头
  'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
  'Accept-Language': 'en',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36',
    'referer': 'https://m.fang.com/zf/bj/?jhtyp
  • 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