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 Sites
PyPI - Python Package Index
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
frank065
V2EX  ›  Python

目标网站完全没有反爬机制,是否有必要设置 DOWNLOAD_DELAY?

  •  
  •   frank065 · 2018-01-17 15:00:07 +08:00 · 5310 次点击
    这是一个创建于 2486 天前的主题,其中的信息可能已经有所发展或是发生改变。
    用 Scrapy 爬取一个理财网站,基本上每天都要爬两次来更新数据。
    网站完全没有反爬虫机制,测试的时候,不换 user agent,不设置 DOWNLOAD_DELAY,不需要代理 IP,爬了好几次都没有被封。总共 2000 条左右的数据,基本 1 分钟就爬完了。
    这种情况下是否有必要设置 DOWNLOAD_DELAY ?会不会给网站带来压力?如果需要,大家一般设置多少?
    另外大家反爬虫一般都设置什么?萌新求老人带。
    13 条回复    2018-01-18 16:39:48 +08:00
    bazingaterry
        1
    bazingaterry  
       2018-01-17 15:05:54 +08:00 via iPhone   ❤️ 1
    现在没有反爬不代表将来没有,隐藏好自己也很重要。

    如果对抓取速度没要求肯定是设置一下 download delay 或者限制一下并发,别把网站抓跨了得不偿失。
    crab
        2
    crab  
       2018-01-17 15:09:12 +08:00   ❤️ 1
    除非你只爬完这次,不然日后还要继续爬,尽可能伪装成正常访客啊。
    黑客入侵完都要帮忙做安全打补丁呢
    frank065
        3
    frank065  
    OP
       2018-01-17 15:15:02 +08:00
    @bazingaterry @crab DOWNLOAD_DELAY 一般设置多少合适咧?除了常见的 1.设置 DOWNLOAD_DELAY 2.禁止 cookies 3.更换 user agent 4.代理 IP,请问还有其他常见的伪装技巧吗?
    yanzixuan
        4
    yanzixuan  
       2018-01-17 15:17:27 +08:00
    适度吧。不要把人家玩坏了。逼别人上变态反爬。
    Applenice
        5
    Applenice  
       2018-01-17 15:23:59 +08:00
    你就是装,也要装成 N 个人访问啊,人家哪天看到你天天爬数据,上了反爬,你还得改代码
    HarveyDent
        6
    HarveyDent  
       2018-01-17 15:52:02 +08:00
    要,说不定数据一多,你的爬虫把他们网站拖垮了呢
    voidtools
        7
    voidtools  
       2018-01-17 15:56:34 +08:00 via Android   ❤️ 1
    @crab 打补丁。建立共生关系 搞一家人吗哈哈
    leavic
        8
    leavic  
       2018-01-17 15:58:36 +08:00
    只要一次爬完爬不挂,就算了吧。
    Gimini
        9
    Gimini  
       2018-01-17 16:00:31 +08:00
    不反爬哪天发现了给你丢脏数据...
    ilovebaicai
        10
    ilovebaicai  
       2018-01-17 16:35:10 +08:00
    数据量不多,DOWNLOAD_DELAY 设置久一点,加一个 user-agent。 如果有条件放几个代理 ip。说不好那天就把你 ip 封了。
    Len1133
        11
    Len1133  
       2018-01-17 16:52:29 +08:00
    加上吧,别把人家搞的不舒服
    beforeuwait
        12
    beforeuwait  
       2018-01-17 22:48:19 +08:00
    对啊,人家没有反爬,处于道义,不要影响别的用户正常访问,还是需要设置 delay 的
    julyclyde
        13
    julyclyde  
       2018-01-18 16:39:48 +08:00
    楼上说的对
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   4472 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 25ms · UTC 01:03 · PVG 09:03 · LAX 17:03 · JFK 20:03
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.