写一个爬虫去互联网上采集数据这件事情,看似好像对别人没有坏处,其实如果爬虫不断的去爬数据的话,会给爬取对象的网站造成很大的压力。所以我们往往会限制爬虫爬取的速度。
之前最原始不用框架爬取交大的图书馆数据,后来整个实验室不能上图书馆的网了;使用了scrapy框架之后,没有做限速设置,后来又这样了。这次又改了一下。
在spider同级目录下有一个settings.py文件,其中有一个配置,AUTOTHROTTLE_ENABLED=True.默认情况下这个是被注释掉的。这个功能一打开,scrapy会自动检测最合适的限制速度,很神奇的机制哦。
于是我又把我的爬虫放出去了,看看还会不会被屏蔽。