Scrapy 抓取疑惑問題，未解決！！！

版本python3.5 scrapy 1.4

抓取鏈家資料的時候，抓到一定資料量會卡住不前，不知道問題原因，在setting設定了一些引數，但是並沒有感覺到效果。我記得以前使用scrapy設定timeout的時候，是有效果的，不知道為啥這次不行，就是卡住不前，不會超時重試

老師說記錄詳細日誌，從日誌中找答案，我還沒有找到記錄詳細日誌的方法。

download_delay = 6 #設定時間間隔為1s，防止被禁 download_timeout = 10 #設定超時時間 retry_enabled = true #設定開啟重試 retry_times = 3

#設定重試次數

未解決！！！

**重定向這個問題使我頭疼

陸家嘴投資大廈

上面這個是搜尋上海寫字樓的**，一般情況下搜尋乙個不存在的寫字樓，安居客會提示不存在。但是，當搜尋陸家嘴投資大廈的時候，不但不提示不存在，還會重定向到新的**：

重定向遇到的坑，不明白，我只是想單純的搜尋一下上海大廈誒

python 3.5
.4 (v3.5
.4:3f56838, aug  8
2017, 02:17:05) [msc v.1900
64 bit (amd64)] on
win32
or"license"
for more information.
>>> import requests
>>> a=requests.get('').text
traceback (most recent call last):
file "", line
1, in
file "c:\python3.5\lib\site-packages\requests\api.py", line
72, in
getreturn request('get', url, params=params, **kwargs)
file "c:\python3.5\lib\site-packages\requests\api.py", line
58, in request
return session.request(method=method, url=url, **kwargs)
file "c:\python3.5\lib\site-packages\requests\sessions.py", line
508, in request
resp = self.send(prep, **send_kwargs)
file "c:\python3.5\lib\site-packages\requests\sessions.py", line
640, in
send
history = [resp for resp in gen] if allow_redirects else 
file "c:\python3.5\lib\site-packages\requests\sessions.py", line
640, in
history = [resp for resp in gen] if allow_redirects else 
file "c:\python3.5\lib\site-packages\requests\sessions.py", line
140, in resolve_redirects
raise toomanyredirects('exceeded %s redirects.' % self.max_redirects, response=resp)
requests.exceptions.toomanyredirects: exceeded 30 redirects.
>>>

網上說可以禁止重定向，但是我禁止了之後什麼也得不到啊，我就是想用python 3.5的requests庫。。。

>>> a=requests.get('',allow_redirects=false).text
>>> a
'\r\n\r\n\r\n
\r\n
nginx
\r\n\r\n
\r\n'
>>>

未解決！！！

在記錄日誌的時候，出現了兩個小問題，

from scrapy.utils.log import configure_logging
configure_logging(install_root_handler=false)

一直沒有明白上面兩行**的含義，感覺存在和去掉沒有任何影響

logging.basicconfig(
filename='log.txt',
format='%(levelname)s: %(message)s',
level=logging.warning
)

另外上面的**，我一開始理解level不同，記錄的資訊不同，經過討論發現，上面的**記錄的是最基本的資訊，level的不同不會影響基本資訊的記錄，那麼level的作用是什麼呢？

import logging
logging.debug('this
is debug message')
logging.info('this
is info message')
logging.warning('this
is warning message')
螢幕上列印:
warning:root:this is warning message

日誌記錄的預設級別是warning，比warning級別低的都不會記錄，所以螢幕上不會列印debug和info資訊，這樣就可以解釋level問題了，其實level對最基礎的日誌沒有任何影響，level對logging.** 函式起作用。

header
header
r=requests.get(next_url,headers=
self
.header)
content=r.text

抓取資訊的時候，防止被禁，用了上述**，結果，很順利的出了bug

一直以為是r.text這個獲取的網頁原資訊不全，後來發現是**頭設定有問題，如果用第乙個header沒有問題，用第二個，get的url和相應的url不一樣，分析我認為是**裡面出現了android 6.0系統，這個會導致網頁重定向，所以自然抓取的資訊就不一致了

考慮到linux系統的優越性，故將scrapy遷移到cent os4.3系統上（沒辦法，只能用版本這麼低的）

[***]$ lsb_release -alsb version: :core-3 .0-amd64 :core-3 .0-ia32 :core-3 .0-noarch :graphics-3 .0-amd64 :graphics-3 .0-ia32 :graphics-3 .0-noarch distributor id: centos description: centos release 4.3 (final) release: 4.3

codename: final

使用pip install scrapy 安裝scrapy，發現卡到了安裝cryptography上，問題如下：

importerror: /lib64/tls/libc.so.6: version `glibc_2.14' not found

終於安裝成功，接下來繼續！

2017.12.19 15：56

scrapy 安裝成功了，但是卻無法執行，顯示floating point exception

實在是煩心，查詢應該是gcc、動態鏈結庫的問題，等我有時間有心情的時候再解決吧

未解決！

Scrapy 抓取疑惑問題，未解決！！！

scrapy 網頁抓取時的定位問題

未解決問題備份

C 指標未解決問題

Scrapy 抓取疑惑問題，未解決！！！

scrapy 網頁抓取時的定位問題

未解決問題備份

C 指標未解決問題

相關推薦