問題描述

用scrapy 爬取喜馬拉雅，爬取PC端地址，入口鏈接的response沒問題，但后面response看到的是移動端地址。。。。

spider 代碼如下：

class SpxmlySpider(scrapy.Spider): name = ’ximalaya’ allowed_domains = ['ximalaya.com'] # 保存每頁鏈接 start_urls = [’http://www.ximalaya.com/dq/all/{}’.format(num) for num in range(2, 3)] #先改為第二頁試試 def parse(self, response):# 取出專輯鏈接print(response)mainurls = response.xpath(’//p[@class='albumfaceOutter']/a/@href’).extract()# for url in mainurls:# yield Request(url = url, callback=self.parse_details)print(mainurls[0])yield Request(url = mainurls[0], dont_filter=True, callback = self.parse_details)# TODO 為什么PC端訪問會變成移動地址問題！！！！！！！！！！！！！！！！！ def parse_details(self, response):item = XimalayaItem()print(response)......以下省略

控制臺輸出：

已經(jīng)寫了一個 middlewares.RotateUserAgentMiddleware，是生效的，輸出內(nèi)容也可以看出來。

是不是觸發(fā)什么反爬機制？

問題解答

應(yīng)該是你的headers沒有設(shè)置user-agent的原因

request headers 好好配置一下, 判斷是不是移動端一般是靠user-agent啥都沒有也能訪問到數(shù)據(jù)，也說明目標(biāo)網(wǎng)站沒怎么在意防盜鏈