scrapy 解决Redirecting 301 302重定向问题
在使用Scrapy框架中URl被重定向,总是遇到这类问题:
DEBUG: Redirecting (301/302) to <GET https://XXXX refer https://XXXX>
解决方式:
在Scrapy中的Request中添加
dont_filter=True
,因为Scrapy是默认过滤掉重复的请求URL,添加上参数之后即使被重定向了也能请求到正常的数据了。在Scrapy框架中的 settings.py文件里添加
HTTPERROR_ALLOWED_CODES = [301]
HTTPERROR_ALLOWED_CODES设置来指定spider能处理的response返回值
也就是说 忽略 该列表中 不具有的状态码(当然正常的200状态码除外)的response。
另外:
在爬虫多次请求时,有些网站会出现反爬虫措施:将请求链接重定向到一个提示404的链接或者验证码链接等阻止爬虫的进行,如下为解决方案:
def start_requests(self):for i in self.start_urls:yield Request(i, meta={'dont_redirect': True,'handle_httpstatus_list': [301,302]}, callback=self.parse)# 'dont_redirect': True是禁止重定向
# Request.meta 中的 handle_httpstatus_list 键可以用来指定每个request所允许的response code。
提示:
根据 HTTP标准 ,返回值为200-300之间的值为成功的resonse。
如果想处理在这个范围之外的response,可以通过 spider的 handle_httpstatus_list
属性或HTTPERROR_ALLOWED_CODES
设置来指定spider能处理的response返回值。
例如,如果想要处理返回值为404的response可以这么做:
class MySpider(CrawlSpider):handle_httpstatus_list = [404]
使用requests模块遇到301和302问题时
html = requests.get(url, headers=headers, allow_redirects=False)
return html.headers['Location']
allow_redirects=False
的意义为拒绝默认的301/302重定向,从而可以通过html.headers[‘Location’]
拿到重定向的URL
scrapy 解决Redirecting 301 302重定向问题相关推荐
- php如何实现302重定向,php 301 302重定向实现代码
很多网站的站长们都喜欢把前台的顶级域名301重定向到带有www的二级域名上,或者带www的二级域名重定向到顶级域名上,以集中权重.而在网站的后端设计中,一些页面的提交跳转则需要使用到302重定项.关于 ...
- Nginx 301 302重定向
# 301 永久重定向到https server {server_name xxx.com;rewrite ^(.*)$ https://$host$1 permanent; } # 302 临时重定 ...
- nginx 301 302重定向跳转配置 (一般都做301,对seo好)
http://www.3lian.com/edu/2013/07-01/77550.html 首先看一个完整代码示例,关于nginx 301 302跳转的. 301跳转设置: server { lis ...
- 【nginx】return 301 302 重定向URL
前言 nginx version: nginx/1.18.0 CentOS Linux release 7.6.1810 (Core) 301 方法1:rewrite location /t1/res ...
- http302重定向 缓存_如何清除301/302重定向缓存
http302重定向 缓存 我认为许多Web开发人员和服务器管理员都面临着301重定向缓存. 在学习课程之前,我经常面对它. 我希望它能对您有所帮助,您可以从我这里学到一些东西,而不是从自己的错误中学 ...
- 301 302区别_302状态码代表什么,302状态码解决方法
302是HTTP协议中的一个状态码(Status Code).可以简单的理解为该资源原本确实存在,但已经被临时改变了位置:换而言之,就是请求的资源暂时驻留在不同的URI下,故而除非特别指定了缓存头部指 ...
- python scrapy爬虫遇见301_python Scrapy框架 报301
在使用Scrapy框架中总是遇到这类问题,在此留下记录,方便查阅. 三种解决方式: 解决(一) 在Request中将scrapy的dont_filter=True,因为scrapy是默认过滤掉重复的请 ...
- http 302重定向
302重定向又称之为302代表暂时性转移(Temporarily Moved ),英文名称:302 redirect. 也被认为是暂时重定向(temporary redirect),一条对网站浏览器的 ...
- 【Scrapy】301、302重定向问题原因及解决办法
Scrapy的301.302重定向问题原因及解决办法 根据 HTTP标准 ,返回值为200-300之间的值为成功的response. Scrapy运行爬虫过程中,目标网站返回301或302,而没有获取 ...
最新文章
- python学习费用-学习老男孩python多少钱?收费贵不贵?
- [转载]java中Date,SimpleDateFormat
- Android开发架构规范
- [原创] Android SDK 安装全记录
- UVA - 101:The Blocks Problem
- oracle的集合操作符,[Oracle] Oracle的集合操作符
- 在.NET中用excel导出(概要)
- [转载] python语言中表示赋值的符号是_Python 语言中 asterisk 符号用法小结
- (简单)华为Nova青春 WAS-AL00的USB调试模式在哪里开启的流程
- 昆仑通态复制的程序可以用吗_昆仑通态专题(九):MCGS组态软件的实时数据库...
- 没有U盘纯硬盘安装linux之manjaro
- 如何提升固定资产盘点效率
- gdb调试的插件安装——gef插件
- css中的单位换算_CSS中各种长度单位总结
- win10分屏设置一边竖屏_win10系统电脑屏幕竖屏改为横屏的详细办法
- 000 Python教程
- node.js毕业设计安卓电子阅读器APP(程序+APP+LW)
- C# 完成WebSocket demo 用GoEasy实现Hello world
- C++ Windows Hook 消息钩子 详解
- 如何用python写傅里叶级数