Der Python-Crawler Scrapy verwendet die Proxy-Konfiguration

Beim Crawlen von Website-Inhalten tritt am häufigsten folgendes Problem auf: Die Website unterliegt IP-Einschränkungen und verfügt über eine Anti-Crawling-Funktion. Der beste Weg ist, die IP-Erfassung zu rotieren (Proxy hinzufügen)

Lass uns darüber reden wie Scrapy den Proxy für das Crawlen konfiguriert

1. Erstellen Sie eine neue „middlewares.py“ unter dem Scrapy-Projekt

# Importing base64 library because we'll need it ONLY in case if the proxy we are going to use requires authentication
import base64 
# Start your middleware class
class ProxyMiddleware(object):
    # overwrite process request
    def process_request(self, request, spider):
        # Set the location of the proxy
        request.meta['proxy'] = "http://YOUR_PROXY_IP:PORT"
  
        # Use the following lines if your proxy requires authentication
        proxy_user_pass = "USERNAME:PASSWORD"
        # setup basic authentication for the proxy
        encoded_user_pass = base64.encodestring(proxy_user_pass)
        request.headers['Proxy-Authorization'] = 'Basic ' + encoded_user_pass

2. Fügen Sie

DOWNLOADER_MIDDLEWARES = {
    'scrapy.contrib.downloadermiddleware.httpproxy.HttpProxyMiddleware': 110,
    'pythontab.middlewares.ProxyMiddleware': 100,
}

zur Projektkonfigurationsdatei (./pythontab/settings.py)

hinzu