Python爬蟲Scrapy框架IP代理的配置與調(diào)試
在調(diào)試爬蟲的時(shí)候,新手都會(huì)遇到關(guān)于ip的錯(cuò)誤,好好的程序突然報(bào)錯(cuò)了,怎么解決,關(guān)于ip訪問的錯(cuò)誤其實(shí)很好解決,但是怎么知道解決好了呢?怎么確定是代理ip的問題呢?由于筆者主修語言是Java,所以有些解釋可能和Python大佬們的解釋不一樣,因?yàn)槲沂菑腏ava 的角度看Python。這樣也便于Java開發(fā)人員閱讀理解。
代理ip的邏輯在哪里
一個(gè)scrapy 的項(xiàng)目結(jié)構(gòu)是這樣的
scrapydownloadertest # 項(xiàng)目文件夾 │ items.py # 定義爬取結(jié)果存儲(chǔ)的數(shù)據(jù)結(jié)構(gòu) │ middlewares.py # 中間件(可以理解java的過濾器攔截器) │ pipelines.py # 數(shù)據(jù)管道,對(duì)獲取到的數(shù)據(jù)做操作 │ settings.py # 項(xiàng)目的配置文件 │ __init__.py # 初始化邏輯 │ ├─spiders # 放置 Spiders 的文件夾 │ │ httpProxyIp.py # 爬取到結(jié)果后的處理類 │ │ __init__.py # spider初始化邏輯 scrapy.py
從上可以發(fā)現(xiàn),代理ip的設(shè)置肯定是在發(fā)送請(qǐng)求之前就要設(shè)置好,那么唯一符合條件的地方就是?middlewares.py
?,所以關(guān)于代理的相關(guān)邏輯都寫在這個(gè)里面。直接在其中添加如下代碼:
# Scrapy 內(nèi)置的 Downloader Middleware 為 Scrapy 供了基礎(chǔ)的功能, # 定義一個(gè)類,其中(object)可以不寫,效果一樣 class SimpleProxyMiddleware(object): # 聲明一個(gè)數(shù)組 proxyList = ['http://218.75.158.153:3128','http://188.226.141.61:8080'] # Downloader Middleware的核心方法,只有實(shí)現(xiàn)了其中一個(gè)或多個(gè)方法才算自定義了一個(gè)Downloader Middleware def process_request(self, request, spider): # 隨機(jī)從其中選擇一個(gè),并去除左右兩邊空格 proxy = random.choice(self.proxyList).strip() # 打印結(jié)果出來觀察 print("this is request ip:" + proxy) # 設(shè)置request的proxy屬性的內(nèi)容為代理ip request.meta['proxy'] = proxy # Downloader Middleware的核心方法,只有實(shí)現(xiàn)了其中一個(gè)或多個(gè)方法才算自定義了一個(gè)Downloader Middleware def process_response(self, request, response, spider): # 請(qǐng)求失敗不等于200 if response.status != 200: # 重新選擇一個(gè)代理ip proxy = random.choice(self.proxyList).strip() print("this is response ip:" + proxy) # 設(shè)置新的代理ip內(nèi)容 request.mete['proxy'] = proxy return request return response
每個(gè) Downloader Middleware 定義了一個(gè)或多個(gè)方法的類,核心的方法有如下三個(gè):
- process_request(request, spider)
- process_response(request,response, spider)
- process_exception(request, exception, spider)
然后找到?setting.py
?文件中的這塊區(qū)域
修改如下,也就是取消注釋,加上剛剛寫的Middleware 類的路徑
以上就已經(jīng)配置好了一個(gè)簡(jiǎn)單的代理ip,此時(shí)來到?httpProxyIp.py
?這個(gè)文件, 這個(gè)文件是我通過命令?scrapy genspider httpProxyIp icanhazip.com
?生成的,創(chuàng)建成功內(nèi)容如下:
# -*- coding: utf-8 -*- import scrapy class HttpproxyipSpider(scrapy.Spider): name = 'httpProxyIp' allowed_domains = ['icanhazip.com'] start_urls = ['http://icanhazip.com/'] def parse(self, response): pass
我們修改一下,最終代碼如下所示:
# -*- coding: utf-8 -*- import scrapy from scrapy.cmdline import execute class HttpproxyipSpider(scrapy.Spider): # spider 任務(wù)名 name = 'httpProxyIp' # 允許訪問的域名 allowed_domains = ['icanhazip.com'] # 起始爬取的url start_urls = ['http://icanhazip.com/'] # spider 爬蟲解析的方法,關(guān)于內(nèi)容的解析都在這里完成; self表示實(shí)例的引用, response爬蟲的結(jié)果 def parse(self, response): print('代理后的ip: ', response.text) # 這個(gè)是main函數(shù)也是整個(gè)程序入口的慣用寫法 if __name__ == '__main__': execute(['scrapy', 'crawl', 'httpbin'])
此時(shí)運(yùn)行程序?scrapy crawl httpProxyIp
?可以看到結(jié)果輸出
很明顯,這里沒有打印出我們想要的結(jié)果,說明之前?proxyList = ['http://218.75.158.153:3128','http://188.226.141.61:8080']
?沒有用,我們找找有沒有可以用的,這里用免費(fèi)的,所以找起來費(fèi)點(diǎn)時(shí)間?免費(fèi)代理ip
這樣就完成了scrapy的代理設(shè)置和驗(yàn)證調(diào)試。
如何配置動(dòng)態(tài)的代理ip
這里使用的是收費(fèi)的代理ip了,你可以使用快代理或者阿布云等云服務(wù)商提供的服務(wù),當(dāng)你注冊(cè)并繳費(fèi)之后,會(huì)給你一個(gè)訪問url和用戶名密碼,這里直接看代碼吧! 同樣在?middlewares.py
新建一個(gè)類
修改?setting.py
?的?DOWNLOADER_MIDDLEWARES
?內(nèi)容
DOWNLOADER_MIDDLEWARES = { # 注釋掉之前的例子改用AbuyunProxyMiddleware # 'scrapydownloadertest.middlewares.SimpleProxyMiddleware': 100, 'scrapydownloadertest.middlewares.AbuyunProxyMiddleware': 100, }
其他地方不動(dòng),我們?cè)趩?dòng)看看,這里換種啟動(dòng)方式,因?yàn)槭褂玫氖荘yCharm開發(fā)工具,所以可以直接
http://icanhazip.com/
是一個(gè)顯示當(dāng)前訪問者ip的網(wǎng)站,可以很方便的用來驗(yàn)證scrapy的代理ip 設(shè)置是否成功。
到此這篇關(guān)于Python爬蟲Scrapy框架IP代理的配置與調(diào)試的文章就介紹到這了,更多相關(guān)Scrapy框架IP代理配置調(diào)試內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Django后端接收嵌套Json數(shù)據(jù)及解析詳解
這篇文章主要介紹了Django后端接收嵌套Json數(shù)據(jù)及解析詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07Python實(shí)現(xiàn)簡(jiǎn)單過濾文本段的方法
這篇文章主要介紹了Python實(shí)現(xiàn)簡(jiǎn)單過濾文本段的方法,涉及Python針對(duì)文本的讀取及字符串遍歷、判斷、打印等相關(guān)操作技巧,需要的朋友可以參考下2017-05-05Python數(shù)據(jù)分析之繪制ppi-cpi剪刀差圖形
這篇文章主要介紹了Python數(shù)據(jù)分析之繪制ppi-cpi剪刀差圖形,ppi-cp剪刀差是通過這個(gè)指標(biāo)可以了解當(dāng)前的經(jīng)濟(jì)運(yùn)行狀況,下文更多詳細(xì)內(nèi)容介紹需要的小伙伴可以參考一下2022-05-05基于pytorch實(shí)現(xiàn)運(yùn)動(dòng)鞋品牌識(shí)別功能
這篇文章主要給大家介紹了關(guān)于如何基于pytorch實(shí)現(xiàn)運(yùn)動(dòng)鞋品牌識(shí)別功能,文中通過圖文以及實(shí)例代碼介紹的非常詳細(xì),對(duì)大家學(xué)習(xí)或者使用PyTorch具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2024-02-02PyTorch中torch.utils.data.DataLoader實(shí)例詳解
torch.utils.data.DataLoader主要是對(duì)數(shù)據(jù)進(jìn)行batch的劃分,下面這篇文章主要給大家介紹了關(guān)于PyTorch中torch.utils.data.DataLoader的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-09-09matlab調(diào)用python的各種方法舉例子詳解
為了發(fā)揮matlab的繪圖優(yōu)勢(shì)+原先python寫好的功能組合方式,下面這篇文章主要給大家介紹了關(guān)于matlab調(diào)用python的各種方法,需要的朋友可以參考下2023-09-09Keras使用ImageNet上預(yù)訓(xùn)練的模型方式
這篇文章主要介紹了Keras使用ImageNet上預(yù)訓(xùn)練的模型方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05python中dict字典的查詢鍵值對(duì) 遍歷 排序 創(chuàng)建 訪問 更新 刪除基礎(chǔ)操作方法
字典的每個(gè)鍵值(key=>value)對(duì)用冒號(hào)(:)分割,每個(gè)對(duì)之間用逗號(hào)(,)分割,整個(gè)字典包括在花括號(hào)({})中,本文講述了python中dict字典的查詢鍵值對(duì) 遍歷 排序 創(chuàng)建 訪問 更新 刪除基礎(chǔ)操作方法2018-09-09