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
这是一个创建于 2500 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。
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。
 |
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。 |
 |
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 |
 |
3
frank065 OP @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？
|
 |
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。
|
 |
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
|
 |
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
|
 |
8
leavic 2018-01-17 15:58:36 +08:00
只要一次爬完爬不挂，就算了吧。
|
 |
9
Gimini 2018-01-17 16:00:31 +08:00
不反爬哪天发现了给你丢脏数据...
|
 |
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。
|
 |
11
Len1133 2018-01-17 16:52:29 +08:00
加上吧，别把人家搞的不舒服
|
 |
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
|
 |
13
julyclyde 2018-01-18 16:39:48 +08:00
楼上说的对
|
Select Language