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
cashew
V2EX  ›  Python

新手用 Scrapy 写爬虫时,一直提示 URLError: <urlopen error timed out>求大神指导

  •  
  •   cashew · 2016-06-22 14:59:07 +08:00 · 3148 次点击
    这是一个创建于 3065 天前的主题,其中的信息可能已经有所发展或是发生改变。
    URLError: <urlopen error timed out>
    
    [boto] ERROR: Unable to read instance data, giving up
    

    爬取的是豆瓣图书 Top250 ( https://book.douban.com/top250 ) 一直提示超时。

    但是爬取豆瓣 9 分书单( https://www.douban.com/doulist/1264675/ ) 时就不会有问题。

    两个页面的结构基本一样,代码只是稍微不同,大致是一样的。

    但是在爬取时, Top250 的那个就一直报错, 9 分书单的那个可以正常爬取完成。

    import scrapy
    from scrapy.contrib.spiders import CrawlSpider
    from scrapy.http import Request
    from scrapy.selector import Selector
    from douban_book.items import DoubanBookItem
    
    class Douban(CrawlSpider):
        name = "dbbook"
        start_urls = (
            'https://book.douban.com/top250'
        )
    
    第 1 条附言  ·  2016-06-22 16:31:42 +08:00
    感谢各位的指导。爬虫已可以正常运行。
    谢谢!
    4 条回复    2016-06-22 16:55:51 +08:00
    laozhao0
        1
    laozhao0  
       2016-06-22 15:27:28 +08:00
    add "DOWNLOAD_HANDLERS = {'s3': None, }" to settings.py
    brucedone
        2
    brucedone  
       2016-06-22 15:58:16 +08:00
    记得加上请求头,还有一些其它的参数都要填全
    cashew
        3
    cashew  
    OP
       2016-06-22 16:12:25 +08:00
    @laozhao0
    @brucedone
    请求头已加入。

    File "/home/cashew/Codes/douban_book/douban_book/spiders/dbbook.py", line 37, in parse
    item['bookesInfo'] = booksInfo
    File "/usr/lib/python2.7/dist-packages/scrapy/item.py", line 63, in __setitem__
    (self.__class__.__name__, key))
    KeyError: 'DoubanBookItem does not support field: bookesInfo'

    又报错了。
    laozhao0
        4
    laozhao0  
       2016-06-22 16:55:51 +08:00
    你的 DoubanBookItem 里没有 bookesInfo 字段,但是在 spider 里写了 item['bookesInfo'] = 'xxx' ?
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   3811 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 · 24ms · UTC 00:54 · PVG 08:54 · LAX 16:54 · JFK 19:54
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.