scrapy---中间件--设置User-Agent、代理

在Scrapy中设置User-Agent和使用代理可以通过中间件来实现。以下是实现的示例代码:

  1. 设置User-Agent的中间件(user_agent_middleware.py):



import random
 
from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware
 
class RandomUserAgentMiddleware(UserAgentMiddleware):
    def __init__(self, user_agent=''):
        self.user_agent = user_agent
 
    def process_request(self, request, spider):
        user_agent_list = [
            'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36',
            'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2225.0 Safari/537.36',
            # 更多的User-Agent字符串
        ]
        user_agent = random.choice(user_agent_list)
        request.headers.setdefault('User-Agent', user_agent)
  1. 使用代理的中间件(proxy_middleware.py):



class ProxyMiddleware:
    def __init__(self, proxy):
        self.proxy = proxy
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            proxy=crawler.settings.get('HTTP_PROXY')
        )
 
    def process_request(self, request, spider):
        request.meta['proxy'] = self.proxy
  1. settings.py中启用中间件:



DOWNLOADER_MIDDLEWARES = {
    'your_project_name.middlewares.RandomUserAgentMiddleware': 400,
    'your_project_name.middlewares.ProxyMiddleware': 500,
}
 
# 代理设置
HTTP_PROXY = 'http://proxy_ip:port'

替换your_project_name为你的项目名称,proxy_ip:port为你的代理服务器地址和端口。

这样配置后,Scrapy爬虫将会随机使用提供的User-Agent,并且通过代理服务器发送请求。

最后修改于:2024年08月16日 10:44

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日