python爬虫之Scrapy 使用代理配置——乾颐堂

在爬取网站内容的时候，最常遇到的问题是：网站对IP有限制，会有防抓取功能，最好的办法就是IP轮换抓取（加代理）

下面来说一下Scrapy如何配置代理，进行抓取

1.在Scrapy工程下新建“middlewares.py”

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# 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.在项目配置文件里(./pythontab/settings.py)添加

1 2 3 4

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

http://www.qytang.com/cn/list/28/611.htm
http://www.qytang.com/cn/list/28/610.htm
http://www.qytang.com/cn/list/28/595.htm
http://www.qytang.com/cn/list/28/583.htm
http://www.qytang.com/cn/list/28/582.htm
http://www.qytang.com/cn/list/28/576.htm
http://www.qytang.com/cn/list/28/523.htm
http://www.qytang.com/cn/list/28/499.htm
http://www.qytang.com/cn/list/28/488.htm
http://www.qytang.com/cn/list/28/466.htm