settings.py下的
ROBOTSTXT_OBEY = False 需要爬取出内容时等号后应为False. 默认为True,就是要遵守robots.txt 的规则,那么 robots.txt 是什么? robots.txt 是遵循 Robot协议 的一个文件,它保存在网站的服务器中, 它的作用是,告诉搜索引擎爬虫,本网站哪些目录下的网页 不希望 你进行爬取收录。 在Scrapy启动后,会在第一时间访问网站的 robots.txt 文件,然后决定该网站的爬取范围。 当然,我们并不是在做搜索引擎,而且在某些情况下我们想要获取的内容恰恰是被 robots.txt 所禁止访问的。 所以,某些时候,我们就要将此配置项设置为 False ,拒绝遵守 Robot协议 !