我正在尝试使用 scrapy 抓取 www.mywebsite.com。
www.mywebsite.com 托管在 URL www.mywebsite.freehost.com 的免费主机上。我正在将免费主机重定向到我的付费域名。
这里的问题是scrapy忽略了重定向，最终结果是0个页面被抓取。
如何告诉 scrapy 我需要它来抓取重定向的网址？我只需要它来抓取重定向的 url，而不是导出网站的其他 url(例如 facebook 页面等)
2016-11-27 14:48:42 [scrapy] INFO: Spider opened
2016-11-27 14:48:42 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2016-11-27 14:48:42 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023
2016-11-27 14:48:44 [scrapy] DEBUG: Crawled (200) <GET http://www.mywebsite.com/> (referer: None)
2016-11-27 14:48:44 [scrapy] DEBUG: Filtered offsite request to 'www.mywebsite.freehost.net': <GET www.mywebsite.freehost.net>
2016-11-27 14:48:44 [scrapy] INFO: Closing spider (finished)
2016-11-27 14:48:44 [scrapy] INFO: Dumping Scrapy stats:
最佳答案
日志显示您的请求正在被过滤:
DEBUG: Filtered offsite request to 'www.mywebsite.freehost.net': <GET www.mywebsite.freehost.net>
将该域 freehost.net 添加到您的 allowed_domains 列表，或从您的蜘蛛中删除 allowed_domains 以允许每个域。
关于python - 使用scrapy抓取重定向的url，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40826506/