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
  • 17 2019-04
    找个代理IP资源,了解这几点避免被忽悠

    用户对代理IP的需求量越来越大,代理IP服务供应商也越来越多,在面对更多的选择时,也意味着选择一家靠谱的代理IP服务商更加不容易。那么如何选择一家靠谱的代理IP服务商呢?

  • 23 2019-02
    爬虫伪装浏览器和设置代理的方法

    大部分的网站为了避免爬虫的恶意访问,会设置一些反爬虫机制,常见的反爬虫机制主要有:

  • 21 2019-05
    代理IP加速和网游加速的区别

    代理IP加速和网游加速的区别,游戏如果进行加速,游戏会流畅很多,尤其是下副本的时候,网速是非常重要的。网游加速器是针对游戏ip进行加速,从而达到降低游戏延迟的效果。

  • 17 2019-04
    爬虫程序中添加随机代理IP

    爬虫程序中添加随机代理IP:在Scrapy中更换请求对象的IP信息非常的方便,只需要在request对象进入下载器之前,修改request对象的参数信息。

  • 13 2019-04
    爬虫又是怎么突破IP限制,突破反爬的呢?代理IP管用吗?

    网站有爬虫,自然也是有反爬的,否则爬虫岂不是翻天了?网站该如何“反爬”?爬虫又是怎么突破IP限制,突破反爬的呢?代理IP管用吗?

  • 07 2019-06
    多账号最好用国内代理ip换ip

    多账号最好用国内代理ip换ip,为什么呢?哪里有国内代理ip?很多人认为在玩游戏的时候是防封的,IP地址不重要。其实不然,如果同一个IP地址登录了同一款游戏的多个账号,也是有被封账号

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961