Python爬取数据的注意事项

最新推荐文章于 2024-07-31 18:10:25 发布

中国好小伙-_-

最新推荐文章于 2024-07-31 18:10:25 发布

阅读量911

点赞数

分类专栏：爬虫 Scrapy Python 文章标签：数据 python 爬虫 Scrapy

本文链接：https://blog.csdn.net/zhangrukun/article/details/76033238

版权

爬虫同时被 3 个专栏收录

5 篇文章 0 订阅

订阅专栏

Python

3 篇文章 0 订阅

订阅专栏

Scrapy

1 篇文章 0 订阅

订阅专栏

1、F12->network-XHR:ajax是个好东西，好多数据直接异步加载，切记不能忽略！

2、Scrapy爬取某网站数据，在settting中延迟设为1秒，单IP，无代理，9级request跳转(包含FormRequest),最后一级(第10级)yield item.平均5秒完成一条数据入库(MongoDB)

3、有些请求的headers中，Referer的值为空或者None,也必须有Referer找个参数存在。比如搜狗微信数据爬取

4、搜狗微信爬虫获取关键cookie参数snuid,但该请求如何而来还未分析出来。目前方案访问关键词搜索页近1天搜索结果，会发生302并返回cookie的snuid.

url="http://www.sogou.com/antispider/detect.php?sn=E9DA81B7290B940A0000000058BFAB0&wdqz22=12&4c3kbr=12&ymqk4p=37&qhw71j=42&mfo5i5=7&3rqpqk=14&6p4tvk=27&eiac26=29&iozwml=44&urfya2=38&1bkeul=41&jugazb=31&qihm0q=8&lplrbr=10&wo65sp=11&2pev4x=23&4eyk88=16&q27tij=27&65l75p=40&fb3gwq=27&azt9t4=45&yeyqjo=47&kpyzva=31&haeihs=7&lw0u7o=33&tu49bk=42&f9c5r5=12&gooklm=11&_=1488956271683"
headers={"Cookie":
"ABTEST=0|1488956269|v17;\
SUID=E9DA81B7290B940A0000000058BFAB6D;\
}
---------------------
原文：https://blog.csdn.net/weixin_43116910/article/details/83514670