python找房源_python抓取链家房源信息(二)
试着用scrapy将之前写的抓取链家网信息的重新写了写
然后先是用了第一页的网页作为测试,调试代码,然后发现总是抓取的时候遇见了
类似于这样的问题,并且抓取不到信息
2017-03-28 17:52:49 [scrapy.core.engine] DEBUG: Crawled (200) (referer: None)
2017-03-28 17:52:49 [scrapy.downloadermiddlewares.robotstxt] DEBUG: Forbidden by robots.txt:
2017-03-28 17:52:49 [scrapy.core.engine] INFO: Closing spider (finished)
之前一直以为是因为没有加user-agent和header信息导致的,但是加上之后还是会出现这种情况,所以百度了下
解决办法是 在 setting.py 中:
''# Obey robots.txt rules
ROBOTSTXT_OBEY = True //设置为 False 即可
就能抓出来了,问题是因为 scrapy 默认检测 robots.txt ,看是否可以抓取,如果不行,就不能用了哦!
然后百度了robot.txt,说是在设置爬虫的时候,在请求url之前,spider会向服务器请求一个robot.txt的文件,然后该文件包含了本站点允许爬虫爬取的范围(比如服务器不与许爬取的页面,可以通过robot协议设置)因为scrapy是遵守robot协议的,所以会先请求这个文件查看自己的权限。所以在setting.py中将ROBOTSTXT_OBEY设置为False就可以解决了
然后在将数据插入到mongodb中时,没有插入数据,是忘记在setting.py中激活项目管道组件了。
ITEM_PIPELINES = {
'House.pipelines.HousePipeline': 300,
}
代码就不贴了,挺简单的,都是设置的问题。
python找房源_python抓取链家房源信息(二)相关推荐
- Python爬虫三:抓取链家已成交二手房信息(58W数据)
环境:Windows7+python3.6+Pycharm2017 目标:抓取链家北京地区已成交二手房信息(无需登录),如下图,户型.朝向.成交时间价格等,保存到csv.最后一共抓取约58W数据,程序 ...
- python下载电影_Python抓取电影天堂电影信息的代码
Python2.7Mac OS 抓取的是电影天堂里面最新电影的页面.链接地址: http://www.dytt8.net/html/gndy/dyzz/index.html 获取页面的中电影详情页链接 ...
- python链家二手房_python 爬取链家二手房信息
'''Created on 2017-10-9 @author: wbhuangzhiqiang''' importsysimportreimportcsvimporturllib.requestfr ...
- python爬虫之scrapy初试与抓取链家成交房产记录
接上一篇文章,本机安装好python之后和scrapy之后,我们开始学习使用scrapy创建爬虫程序. 今天先来点简单的,不那么复杂,先看看抓取链家网里面的房价信息. 首先使用CMD命令行进入F盘创建 ...
- python爬虫requests源码链家_python爬虫——爬取链家房价信息(未完待续)
爬取链家房价信息(未完待续) items.py # -*- coding: utf-8 -*- # Define here the models for your scraped items # # ...
- python关于二手房的课程论文_基于python爬取链家二手房信息代码示例
基本环境配置 python 3.6 pycharm requests parsel time 相关模块pip安装即可 确定目标网页数据 哦豁,这个价格..................看到都觉得脑阔 ...
- 链家网开源java_异步协程爬取链家租房信息
异步协程抓取链家数据+pandas写入csv import asyncio import aiohttp import pandas from bs4 import BeautifulSoup fro ...
- python爬虫requests源码链家_python爬虫爬取链家二手房信息
#coding=utf-8 import requests from fake_useragent import UserAgent from bs4 import BeautifulSoup imp ...
- python爬虫——使用bs4爬取链家网的房源信息
1. 先看效果 2. 进入链家网,这里我选择的是海口市点击跳转到链家网 3. 先看网页的结构,这些房子的信息都在li标签,而li标签再ul标签,所以怎么做大家都懂 4. 代码如下,url的链接大家可以 ...
最新文章
- 虚拟文件系统(VFS)
- 解决使用mybatis分页插件PageHelper的一个报错问题
- 【Java集合系列】---ArrayList
- 定时清理日志文件-python实现
- SQLSever触发器建立
- php提交多条数据,tpphp一个表单提交多个需要循环的数据怎么处理
- Google在Android P中隐藏了真棒的按应用自动旋转功能
- 网页修改iPhone13在线源码 – 无需SVIP
- python3 协程运行时 如何动态增加协程_python2.7 协程,如何调度运行两个协程?...
- 啥是佩奇,Python 告诉你!
- spring容器启动的加载过程(三)
- 顺序栈基本操作代码实现
- JS点击图片后图片放大效果
- 【pandas】 之 Series、DataFrame 的拼接 —— pd.concat、df.append(df)
- 2022-2027年中国OLED显示面板行业发展监测及投资战略研究报告
- 中国移动日渐步履蹒跚,中国电信在5G商用上取得领先优势
- java 对战平台-魔兽版
- border 边框样式
- python mysql版本查看_怎么查看mysql版本
- python 12306登录_基于Python3的12306登录实现