scrapy在采集网页时使用随机user-agent的方法
来源:互联网 发布:欲知平直 则必准绳 编辑:程序博客网 时间:2024/05/11 03:33
http://www.sharejs.com/codes/python/8310
默认情况下scrapy采集时只能使用一种user-agent,这样容易被网站屏蔽,下面的代码可以从预先定义的user-agent的列表中随机选择一个来采集不同的页面
在settings.py中添加以下代码
DOWNLOADER_MIDDLEWARES
=
{
'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware'
:
None
,
'Crawler.comm.rotate_useragent.RotateUserAgentMiddleware'
:
400
}
#!/usr/bin/python
#-*-coding:utf-8-*-
import
random
from
scrapy.contrib.downloadermiddleware.useragent
import
UserAgentMiddleware
class
RotateUserAgentMiddleware(UserAgentMiddleware):
def
__init__(
self
, user_agent
=
''):
self
.user_agent
=
user_agent
def
process_request(
self
, request, spider):
#这句话用于随机选择user-agent
ua
=
random.choice(
self
.user_agent_list)
if
ua:
request.headers.setdefault(
'User-Agent'
, ua)
#the default user_agent_list composes chrome,I E,firefox,Mozilla,opera,netscape
#for more user agent strings,you can find it inhttp://www.useragentstring.com/pages/useragentstring.php
user_agent_list
=
[\
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"
\
"Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11"
,\
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6"
,\
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6"
,\
"Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1"
,\
"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5"
,\
"Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5"
,\
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3"
,\
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3"
,\
"Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3"
,\
"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
,\
"Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
]
#该代码片段来自于: http://www.sharejs.com/codes/python/8310
0 0
- scrapy在采集网页时使用随机user-agent的方法
- Scrapy在采集网页时使用随机user-agent
- scrapy在爬取网页时使用随机user-agent方法
- scrapy采集数据时为每个请求随机分配user-agent
- python scrapy 之 随机选择user-agent
- Scrapy 通过中间件实现随机User-Agent
- scrapy User Agent切换的两种方法
- scrapy防禁止 设置user-agent的方法
- scrapy修改user-agent的几种方法
- scrapy使用random user-agent的两种方式
- python3 网络爬虫(五)scrapy中使用User-Agent
- Scrapy命令 和 User Agent
- scrapy之user-agent池
- python scrapy 网络采集使用代理的方法
- VC 中使用 WebBrowser 控件时自定义 User-Agent 的方法
- 工具------随机获取User-Agent
- 模拟UA(user agent)实现访问只能在微信上打开的网页
- 设置 PhantomJs 的 User-Agent 的方法
- 硬件篇之MMU
- 一个Demo学习Android的服务
- jQuery:$post、$get、$ajax与php,实现异步加载
- 深度优化LNMP课堂笔记
- 三角网格数据结构
- scrapy在采集网页时使用随机user-agent的方法
- 黑马程序员_java_IO流
- step1-泛型2
- 2.Redis数据类型之String类型和Hash类型
- 网络上的视频流直播
- SQL Server 2008 17051错误
- Windows下安装 Eclipse 和 Maven
- 进程间通信
- 以太网各种协议详解