python爬虫之Scrapy 使用代理配置

最新推荐文章于 2025-09-03 11:20:21 发布

weixin_34376986

最新推荐文章于 2025-09-03 11:20:21 发布

阅读量73

点赞数

CC 4.0 BY-SA版权

文章标签： python 爬虫

原文链接：http://www.cnblogs.com/zl0372/p/Scrapy_proxy.html

本文详细介绍了如何在Scrapy项目中设置代理中间件以实现IP轮换，避免爬虫因IP限制而被封锁。文中提供了具体的代码示例，包括如何在中间件中设置代理以及如何在项目配置文件中启用该中间件。

转载自：http://www.python_tab.com/html/2014/pythonweb_0326/724.html

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”

# 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

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

完毕。

转载于:https://www.cnblogs.com/zl0372/p/Scrapy_proxy.html