scrapy爬虫出现‘Forbidden by robots.txt’错误
来源:互联网 发布:Js质数for 编辑:程序博客网 时间:2024/04/29 09:03
使用scrapy爬取知乎信息的时候,运行爬虫出错,错误信息是‘Forbidden by robots.txt’。然后在settings里面加入了cookie和headers信息还是不行。但是直接用urllib.request请求发现页面都能直接请求成功。 于是上网查了一下robot.txt是什么才知道有这么回事,看一下scrapy抓包时的输出可以发现,在请求设定的url之前,它会先向服务器根目录请求一个txt文件:2017-10-25 21:10:22 [scrapy] DEBUG: Crawled (200) <GET https://item.taobao.com/robots.txt> (referer: None) 这个文件中规定了本站点允许的爬虫机器爬取的范围,因为默认scrapy遵守robot协议,所以会先请求这个文件查看自己的权限,出错是因为使用的爬虫爬取内容违背这个robot.txt。所以只要让爬虫不遵守该协议就好了,具体做法是找到settings文件里的ROBOTSTXT_OBEY设置成False。 # Obey robots.txt rules ROBOTSTXT_OBEY = False
阅读全文
0 0
- scrapy爬虫出现‘Forbidden by robots.txt’错误
- scrapy爬虫出现Forbidden by robots.txt
- scrapy爬虫出现Forbidden by robots.txt
- 爬虫出现Forbidden by robots.txt
- 爬虫出现Forbidden by robots.txt
- 爬虫中robots.txt
- 常见robots.txt错误
- 百度爬虫robots.txt文件规范
- 爬虫系列8解析robots.txt
- Wordpress出现403 Forbidden错误
- Mac MAMP 安装 tp5 出现 apache Directory index forbidden by Options directive 错误解决方法
- Error 403: Forbidden 错误网站禁止爬虫
- Scrapy: 爬虫返回403错误
- Scrapy: 爬虫返回403错误
- robots.txt。
- robots.txt
- robots.txt
- robots.txt
- 紫书
- MFC串口编程——使用WM_COMM_TXEMPTY_DETECTED来判断接收结束
- 项目中在其他类都可以加载出来,但是自己新写的action无法加载的原因
- 05-问题及坑
- tomcat 请求url中带有特殊符号{} | 返回400的问题
- scrapy爬虫出现‘Forbidden by robots.txt’错误
- 大数据学习路线
- 调用微信JS-SDK上传图片爬坑之路
- angular Argument of type '"price"' is not assignable to parameter of type 'string[]'
- servlet中请求转发(forword)与重定向(sendredirect)的区别
- Spring的两种注入方式
- json字符串与java对象互转
- 解析html数据
- Java中HashMap遍历的四种方式