python 3.7.5 Scrapy 架构中的代理IP和随机User-Agent 配置

基本上不需要修改原有代码，添加如下代码即可。

注：在settings.py 中需要注释点原有的 USER_AGENT 配置。

###############
##settings.py##
###############

### 配置IP代理池
IPPOOL = [
{"ipaddr":"x.x.x.x:端口"},
{"ipaddr":"x.x.x.x:端口"},
]

### 配置User-agent 池
UAPOOL = [
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)"
]

###配置DOWNLOADER_MIDDLEWARES，注意此处需要修改为自己的爬虫名称
DOWNLOADER_MIDDLEWARES = {
'自己的爬虫名称.middlewares.IPPOOLS': 125,
'自己的爬虫名称.middlewares.Uamid': 127,
}

######################
##配置 middlewares.py##
######################

import random
from .settings import IPPOOL
from .settings import UAPOOL
from scrapy.downloadermiddlewares.httpproxy import HttpProxyMiddleware
from scrapy.downloadermiddlewares.useragent import UserAgentMiddleware


### IP代理池
class IPPOOLS(HttpProxyMiddleware):
def __init__(self, ip=""):
self.ip = ip

def process_request(self, request, spider):
thisip = random.choice(IPPOOL)
#print("当前使用的IP为： " + thisip["ipaddr"])
request.meta["proxy"] = "http://" + thisip["ipaddr"]


### 用户代理池
class Uamid(UserAgentMiddleware):
def __init__(self, user_agent=""):
self.user_agent = user_agent

def process_request(self, request, spider):
thisua = random.choice(UAPOOL)
#print("当前使用的User-Agent是： " + thisua)
request.headers.setdefault("User-Agent", thisua)

 

__EOF__

本文作者：语 默
本文链接：https://www.cnblogs.com/weijie0717/p/16115975.html
关于博主：评论和私信会在第一时间回复。或者直接私信我。
版权声明：本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主：如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力！