在製作爬蟲的時候需要對我們的爬蟲進行僞裝,有兩種僞裝的方式:第一種是通過代理IP,第二種是通過修改user-agent。
一、代理IP
二、user-agent
import random # user agent 列表 USER_AGENT_LIST = [ 'MSIE (MSIE 6.0; X11; Linux; i686) Opera 7.23', 'Opera/9.20 (Macintosh; Intel Mac OS X; U; en)', 'Opera/9.0 (Macintosh; PPC Mac OS X; U; en)', 'iTunes/9.0.3 (Macintosh; U; Intel Mac OS X 10_6_2; en-ca)', 'Mozilla/4.76 [en_jp] (X11; U; SunOS 5.8 sun4u)', 'iTunes/4.2 (Macintosh; U; PPC Mac OS X 10.2)', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:5.0) Gecko/20100101 Firefox/5.0', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:9.0) Gecko/20100101 Firefox/9.0', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.8; rv:16.0) Gecko/20120813 Firefox/16.0', 'Mozilla/4.77 [en] (X11; I; IRIX;64 6.5 IP30)', 'Mozilla/4.8 [en] (X11; U; SunOS; 5.7 sun4u)' ] # 隨機生成user agent USER_AGENT = random.choice(USER_AGENT_LIST)
---------------------
注意事項:
1、中間件定義完要在settings文件內啓用
2、爬蟲文件名和爬蟲名稱不能相同,spider目錄內不能存在相同爬蟲名稱的項目文件
3、做一個文明守法的好網民,不要爬取公民的隱私數據,不要給對方系統帶來不必要的麻煩。