我在 settings.py
中更改了默认请求 header ,如下所示:
DEFAULT_REQUEST_HEADERS = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.84 Safari/537.36',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4',
}
但是,它在我的 HotSpider 中不起作用。我可以看到 scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware
已启用,但连接已完全关闭,就好像未设置 header 一样。
这是 HotSpider:
# -*- coding: utf-8 -*-
import scrapy
class HotSpider(scrapy.Spider):
name = "hot"
allowed_domains = ["qiushibaike.com"]
start_urls = (
'http://www.qiushibaike.com/hot',
)
def parse(self, response):
print '\n', response.status, '\n'
如果我更改代码以覆盖 make_requests_from_url
以设置 header ,则一切正常。
# -*- coding: utf-8 -*-
import scrapy
class HotSpider(scrapy.Spider):
name = "hot"
allowed_domains = ["qiushibaike.com"]
start_urls = (
'http://www.qiushibaike.com/hot',
)
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.84 Safari/537.36',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4',
}
def make_requests_from_url(self, url):
return scrapy.http.Request(url, headers=self.headers)
def parse(self, response):
print '\n', response.status, '\n'
这个问题会根据prioritize default headers over user agent middlewares #2091在Scrapy 1.2中解决。
最佳答案
我发现在使用默认 header 中间件时,User-Agent header 确实未正确设置,并且此特定站点拒绝没有预期用户代理 header 的连接。
为爬虫设置用户代理的推荐方法是使用 USER_AGENT 设置键:
例如
# settings.py
USER_AGENT = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36"
在使用默认 header 时不设置用户代理可能是 Scrapy 中的一些错误,或者这可能是预期的并在某处记录。你需要对此做更多的研究,如果它确实是错误,那么值得在 Scrapy github repo 中发布错误报告。
关于python - Scrapy DEFAULT_REQUEST_HEADERS 不起作用,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38186221/