Skip to content

python爬虫之Scrapy 使用代理配置

标签:python 爬虫 Scrapy

在爬取网站内容的时候,最常遇到的问题是:网站对IP有限制,会有防抓取功能,最好的办法就是IP轮换抓取(加代理) 下面来说一下Scrapy如何配置代理,进行抓取 1.在Scrapy工程下新建“middlewares.py” 1 2 3 4 5 6 7 8 9 10 11 12 13 14 # Importing base64 library because we'll need it ONLY in case if the proxy we are going to use requires authentication import base64  # Start your middleware class class ProxyMiddleware(object):     # overwrite process request     def process_request(self, request, spider):         # Set the location of the proxy         request.meta['proxy'] = "http://YOUR_PROXY_IP:PORT"            # Use the following lines if your proxy requires authentication         proxy_user_pass = "USERNAME:PASSWORD"         # setup basic authentication for the proxy         encoded_user_pass = base64.encodestring(proxy_user_pass)         request.headers['Proxy-Authorization'] = 'Basic ' + encoded_user_pass 2.在项目配置文件里(./pythontab/settings.py)添加 1 2 3 4 DOWNLOADER_MIDDLEWARES = {     'scrapy.contrib.downloadermiddleware.httpproxy.HttpProxyMiddleware': 110,     'pythontab.middlewares.ProxyMiddleware': 100, }

部分信息收集于网络,若有侵权请联系我们.