首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python 学习手册
Python Cookbook
Python 基础教程
Python Sites
PyPI - Python Package Index
http://www.simple-is-better.com/
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
V2EX  ›  Python

如何让 scrapy_redis 对起始 url 不去重

  •  
  •   luanguang · 141 天前 · 489 次点击
    这是一个创建于 141 天前的主题,其中的信息可能已经有所发展或是发生改变。

    多个起始 url 的时候,跑着突然 ip 被 ban 了,然后重新尝试该 url,因为爬取过会被记录,所以要设置dont_filter=true让起始 url 默认不去重。
    但是 scrapy_redis 起始就是我推到 redis 队列里面的 url,怎么对这些 url 设置不去重呢?

    4 回复  |  直到 2019-06-14 11:21:26 +08:00
        1
    15399905591   140 天前
    你再 start_requests 方法里面推送不就好了么。
        2
    xiushenbuhuihui   67 天前
    @luanguang 您好,我把我的问题给你详细描述一下,请您帮我解决一下。
        3
    xiushenbuhuihui   67 天前
    @luanguang 用的是 crawlspider 爬取乐融商城全部的网站源代码
        4
    xiushenbuhuihui   67 天前
    @luanguang 但是爬取到 这一页面时,
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   2470 人在线   最高记录 5043   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 18ms · UTC 14:18 · PVG 22:18 · LAX 07:18 · JFK 10:18
    ♥ Do have faith in what you're doing.