您的位置:首页 > 新闻资讯 >文章内容
更换代理IP后启动爬虫,是否能断点续传?
来源:互联网 作者:admin 时间:2019-04-09 17:46:56

  更换代理IP后启动爬虫,是否能断点续传?有时候被封IP,导致爬虫程序中断,如果再次启动非常的麻烦,重新再来也没有效果,是否能够在更换新的IP地址后,再从断的地方开始呢?scrapy支持断点续传吗?


  一般Web服务器会默认开启对断点续传的支持。所以,如果直接通过Web服务器来提供文件的下载,可以不用做特别的配置,就能享受断点续传。还是尽可能的选择高匿名度的代理ip,不容易暴露,比如一直在用的机灵代理,匿名性就很好的。


  在scrapy中我想不用多说了,用过scrapy框架的应该都知道,本身scrapy就已经内置了一个参数jobs持久化设置


  要启用持久化支持,你只需要通过 JOBDIR 设置 job directory 选项。这个路径将会存储 所有的请求数据来保持一个单独任务的状态(例如:一次spider爬取(a spider run))。必须要注意的是,这个目录不允许被不同的spider 共享,甚至是同一个spider的不同jobs/runs也不行。也就是说,这个目录就是存储一个 单独 job的状态信息。


  怎么使用


  要启用一个爬虫的持久化,运行以下命令:


  scrapy crawl somespider -s JOBDIR=crawls/somespider-1


  然后,你就能在任何时候安全地停止爬虫(按Ctrl-C或者发送一个信号)。恢复这个爬虫也是同样的命令:


  scrapy crawl somespider -s JOBDIR=crawls/somespider-1


  保持状态


  有的时候,你希望持续保持一些运行长时间的蜘蛛的状态。这时您可以使用 spider.state 属性, 该属性的类型必须是dict. scrapy提供了内置扩展负责在spider启动或结束时,从工作路径(job directory)中序列化、存储、加载属性。


  下面这个例子展示了使用spider state的回调函数(callback)(简洁起见,省略了其他的代码):


更换代理IP后启动爬虫,是否能断点续传?


  持久化的一些坑


  如果你想要使用Scrapy的持久化支持,还有一些东西您需要了解:


  Cookies的有效期


  Cookies是有有效期的(可能过期)。所以如果你没有把你的爬虫及时恢复,那么他可能在被调度回去的时候 就不能工作了。当然如果你的爬虫不依赖cookies就不会有这个问题了。


  请求序列化


  请求是由 pickle 进行序列化的,所以你需要确保你的请求是可被pickle序列化的。 这里最常见的问题是在在request回调函数中使用 lambda 方法,导致无法序列化。


  例如, 这样就会有问题:


更换代理IP后启动爬虫,是否能断点续传?


  更换代理IP后启动爬虫,是否能断点续传?scrapy支持断点续传,无需从头开始,可以参考上文。


相关文章内容简介
推荐阅读
  • 02 2019-10
    什么是大数据批处理架构?

    数据营销,获得数据是开展营销活动的前提。数据获取的渠道主要是以通过使用代理IP开展爬虫工作来完成,而当企业获得数据之后,数据的分析是接下来的关键。面对大数据的分析,我们需要

  • 07 2019-05
    HTTP代理可以改QQ的IP

    HTTP代理可以改QQ的IP,大家有没有使用过?如果更换QQ的IP,这样你的IP地址就不会被好友所获知了,增加安全性,而且改IP的方法也简单,几步就能设置完了,可以先去看看:

  • 01 2019-06
    代理IP有共享IP和独享IP之分

    代理IP有共享IP和独享IP之分,至于使用的区别,或者优缺点,其实很明显的。

  • 03 2019-10
    PHP如何防止伪造地址攻击

    除了MySQL,代理IPH还能够用于很多不同的开发软件中,比如PHP。PHP如何防止伪造IP地址注入攻击?跟着机灵代理来看看这个问题如何解决吧!

  • 08 2019-10
    如何正确选用代理IP类型?

    透明代理IP、匿名代理IP、高匿名代理IP、混淆代理IP,这几种类型的代理相信大家都有基础的了解,不同的代理方式能够使用在不同的场景当中,那么我们要怎么去选择代理IP的类型呢?

  • 17 2019-04
    做外链,用换IP软件换IP,账户还会被封吗?

    做外链,用换IP软件换IP,账户还会被封吗?虽然说做外链的比重降低,但是效果还是存在的,很多网站还是照做外链的,其效果也相当的不错。不过做外链,并没有那么的简单,因为有限制,

在线咨询
大客户经理
大客户经理
1829380381
13316264505

大客户经理微信

微信公众号

微信公众号

回到顶部