用scrapy 爬取喜马拉雅,爬取PC端地址,入口链接的response没问题,但后面response看到的是移动端地址。。。。
spider 代码如下:
class SpxmlySpider(scrapy.Spider):
name = 'ximalaya'
allowed_domains = ["ximalaya.com"]
# 保存每页链接
start_urls = ['http://www.ximalaya.com/dq/all/{}'.format(num) for num in range(2, 3)] #先改为第二页试试
def parse(self, response):
# 取出专辑链接
print(response)
mainurls = response.xpath('//p[@class="albumfaceOutter"]/a/@href').extract()
# for url in mainurls:
# yield Request(url = url, callback=self.parse_details)
print(mainurls[0])
yield Request(url = mainurls[0], dont_filter=True, callback = self.parse_details)
# TODO 为什么PC端访问会变成移动地址问题!!!!!!!!!!!!!!!!!
def parse_details(self, response):
item = XimalayaItem()
print(response)
......以下省略
控制台输出:
已经写了一个 middlewares.RotateUserAgentMiddleware,是生效的,输出内容也可以看出来。
是不是触发什么反爬机制?
应该是你的headers没有设置user-agent的原因
request headers 好好配置一下, 判断是不是移动端一般是靠user-agent
啥都没有也能访问到数据,也说明目标网站没怎么在意防盗链