我正在使用Scrapy并尝试通过创建自定义DownloaderMiddleware来使用代理池。我遇到了一些麻烦,想在这里得到一些帮助(我查看了Scrapy网站上的文档,但没有代码示例)
我的python代码是:
import random
class ProxyRotator(object):
proxy_pool = ['ip1...', 'ip2...', 'ip3...']
def process_request(self, request, spider):
request.meta['proxy'] = "http://" + self.proxy_pool[random.randint(0, len(self.proxy_pool) - 1)] + ":80"
return request
在settings.py中,我添加了
DOWNLOADER_MIDDLEWARES = {
'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 110,
'pricecheck_crawler.ProxyMiddleware.ProxyRotator': 100,
}
目前,抓取工具无法从网站获取任何内容。 日志显示:
2016-02-17 11:27:50 [scrapy] INFO:抓0页(0页/分),刮0件(0件/分)
2016-02-17 11:27:50 [scrapy] DEBUG:telnet控制台监听127.0.0.1:6051
2016-02-17 11:28:50 [scrapy] INFO:抓0页(0页/分),刮0件(0件/分)
2016-02-17 11:29:50 [scrapy]信息:抓0页(0页/分),刮0项(0件/分)
答案 0 :(得分:3)
试试这个。删除return request
语句,因为它会将请求返回到process_request,并且永远不会调用process_response
。在此之前,请确保仅使用http或https代理:
def process_request(self, request, spider):
request.meta['proxy'] = self.proxy_pool[random.randint(0, len(self.proxy_pool) - 1)]
您还可以将设置更改为以下内容:
'pricecheck_crawler.ProxyMiddleware.ProxyRotator': 100,
'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 110
同时验证request.meta['proxy'] = "http://ip:port"
。
答案 1 :(得分:0)
另一个方向可能是使用外部程序,例如proxifier
,以便通过代理隧道传输带宽。
答案 2 :(得分:0)
您可以使用 Scrapy_proxy_pool
只需在 settings.py 中添加到您当前的代码
PROXY_POOL_ENABLED = True