Как аннулировать анонимно с помощью Scrapy Tor Privoxy & UserAgent? (Windows 10)

Question

Ответ на этот вопрос было довольно сложно найти, так как информация разбросана, а названия вопросов иногда вводят в заблуждение. Ответ ниже объединяет всю информацию, необходимую в одном месте.

Answer 1

Ваш паук должен выглядеть так.

# based on https://doc.scrapy.org/en/latest/intro/tutorial.html

import scrapy
import requests

class QuotesSpider(scrapy.Spider):
    name = "quotes"

    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/',
        ]
        for url in urls:
            print('\n\nurl:', url)
      ## use one of the yield below

            # middleware will process the request
            yield scrapy.Request(url=url, callback=self.parse) 

            # check if Tor has changed IP
            #yield scrapy.Request('http://icanhazip.com/', callback=self.is_tor_and_privoxy_used) 


    def parse(self, response):
        page = response.url.split("/")[-2]
        filename = 'quotes-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        print('\n\nSpider: Start')
        print('Is proxy in response.meta?: ', response.meta)
        print ("user_agent is: ",response.request.headers['User-Agent'])
        print('\n\n Spider: End')
        self.log('Saved file  ---  %s' % filename)


    def is_tor_and_privoxy_used(self, response):
        print('\n\nSpider: Start')
        print("My IP is : " + str(response.body))
        print("Is proxy in response.meta?: ", response.meta)  # not header dispo
        print('\n\nSpider: End')
        self.log('Saved file %s' % filename)

Вам также нужно будет добавить материал в middleware.py и settings.py . Если вы не знаете, как это сделать, это поможет вам