1. 首页
  2. 问题
  3. scrapy如何设置引荐来源网址
一尘不染

scrapy如何设置引荐来源网址

scrapy

我需要设置引荐来源网址，然后再抓取网站，该网站使用基于引用网址的身份验证，因此如果引荐来源无效，则不允许我登录。

有人可以告诉我如何在Scrapy中执行此操作吗？


阅读 584

收藏
2020-04-09

共2个答案

一尘不染

如果你想在Spider的请求中更改引荐来源网址，则可以DEFAULT_REQUEST_HEADERS在settings.py文件中进行更改：

DEFAULT_REQUEST_HEADERS = {
    'Referer': 'http://www.google.com' 
}
2020-04-09
一尘不染 

from scrapy.spiders import CrawlSpider
from scrapy import Request

class MySpider(CrawlSpider):
  name = "myspider"
  allowed_domains = ["example.com"]
  start_urls = [
      'http://example.com/foo'
      'http://example.com/bar'
      'http://example.com/baz'
      ]
  rules = [(...)]

  def start_requests(self):
    requests = []
    for item in self.start_urls:
      requests.append(Request(url=item, headers={'Referer':'http://www.example.com/'}))
    return requests    

  def parse_me(self, response):
    (...)

这将在你的终端中生成以下日志：

(...)
[myspider] DEBUG: Crawled (200) <GET http://example.com/foo> (referer: http://www.example.com/)
(...)
[myspider] DEBUG: Crawled (200) <GET http://example.com/bar> (referer: http://www.example.com/)
(...)
[myspider] DEBUG: Crawled (200) <GET http://example.com/baz> (referer: http://www.example.com/)
(...)

与BaseSpider相同。最后，start_requests方法是BaseSpider方法，CrawlSpider继承自该方法。

2020-04-09