python scrapy框架 爬取网页页数多时,造成数据为空

867次阅读
没有评论
python

       在写爬虫时,发现一个问题(使用的时scrapy蜘蛛爬虫),获取某一个页面的数据时,使用css选择器,没有任何问题,但是当用到连续翻页时,页面张数大于5,就会出现,response正常,返回码为200,但是返回的数据为空,我在for循环中加入了time.sleep也没有用。

       百度原因,发现是因为scrapy中默认的页面请求速度与数据下载速度过快,造成服务器返回的数据为空,所以,只要修改配置文件settings.py,将其中的访问速度与下载速度调整一下,就没有问题了,具体设置:

#遵守robots协议 ROBOTSTXT_OBEY = True #并发请求个数(越小越慢) CONCURRENT_REQUESTS = 1 #下载延迟时间(越大请求越慢) DOWNLOAD_DELAY = 5 #默认False;为True表示启用AUTOTHROTTLE扩展 AUTOTHROTTLE_ENABLED = True #默认3秒;初始下载延迟时间 AUTOTHROTTLE_START_DELAY = 1 #默认60秒;在高延迟情况下最大的下载延迟 AUTOTHROTTLE_MAX_DELAY = 3 #使用httpscatch缓存 HTTPCACHE_ENABLED = True HTTPCACHE_EXPIRATION_SECS = 1 HTTPCACHE_DIR = ‘httpcache’ HTTPCACHE_IGNORE_HTTP_CODES = [] HTTPCACHE_STORAGE = ‘scrapy.extensions.httpcache.FilesystemCacheStorage’

将以上设置好以后,再次运行就没有问题了


 

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-25发表,共计692字。
新手QQ群:570568346,欢迎进群讨论 Python51学习