scrapy 中间件设置随机UA、随机cookie、以及代理

在Scrapy中设置随机的User-Agent (UA)、随机cookie 以及使用代理的方法如下:

  1. 随机UA中间件:

首先,创建一个Scrapy中间件,用于随机设置请求的User-Agent。




# middlewares.py
 
from scrapy import signals
 
class RandomUserAgentMiddleware:
    def __init__(self, user_agent=''):
        self.user_agent = user_agent
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            user_agent=crawler.settings.get('RANDOM_UA_LIST')
        )
 
    def process_request(self, request, spider):
        user_agent = random.choice(self.user_agent)
        request.headers.setdefault('User-Agent', user_agent)

在Scrapy设置文件 (settings.py) 中启用并配置这个中间件,以及UA列表:




# settings.py
 
DOWNLOADER_MIDDLEWARES = {
    'your_project.middlewares.RandomUserAgentMiddleware': 400,
}
 
RANDOM_UA_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",
    ...
]
  1. 随机cookie中间件:



# middlewares.py
 
class RandomCookieMiddleware:
    def __init__(self, cookie_list=None):
        self.cookie_list = cookie_list or []
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            cookie_list=crawler.settings.getlist('RANDOM_COOKIE_LIST')
        )
 
    def process_request(self, request, spider):
        cookie = random.choice(self.cookie_list)
        request.cookies = cookie

在设置文件中配置cookie列表和启用中间件:




# settings.py
 
COOKIES_ENABLED = True
 
RANDOM_COOKIE_LIST = [
    {'name': 'value'},
    {'name2': 'value2'},
    ...
]
 
DOWNLOADER_MIDDLEWARES = {
    'your_project.middlewares.RandomCookieMiddleware': 401,
}
  1. 使用代理中间件:



# middlewares.py
 
class ProxyMiddleware:
    def __init__(self, proxy_url=''):
        self.proxy_url = proxy_url
 
    @classmethod
    def from_crawler(cls, crawler):
        return cls(
            proxy_url=crawler.settings.get('PROXY_URL')
        )
 
    def process_request(self, request, spider):
        request.meta['proxy'] = self.proxy_url

在设置文件中配置代理URL和启用中间件:




# settings.py
 
PROXY_URL = 'http://user:pass@proxy.example.com:8080'
 
DOWNLOADER_MIDDLEWARES = {
    'your_project.middlewares.ProxyMiddleware': 410,
}
``
最后修改于:2024年08月17日 20:21

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