腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
2
回答
如何将新的URL传递给Scrapy Crawler
、
、
、
、
我想让一个抓取
爬虫
在芹菜任务工人内部不断运行,可能使用。或者,正如所建议的,这个想法是使用
爬虫
程序来查询返回XML响应的外部API。我希望将我想要查询的URL (或查询参数并让crawler构建URL)传递给crawler,crawler将
进行
URL调用,并将提取的项返回给我。一旦
爬虫
程序开始运行,我如何将我想要获取的这个新URL传递给
爬虫
程序。我不想在每次想要给
爬虫
一个新的URL时都重新启动
爬虫
,而是希望
爬虫
无所事事地等待URL爬行。我发现的在另一个
浏览 0
提问于2013-05-23
得票数 2
2
回答
如何与
python
中的ror程序
进行
通信
、
、
、
我有一个使用rails
进行
CRUD操作的应用程序,它很方便所以我的问题是
python
如何与ror程序通信?
浏览 1
提问于2010-12-27
得票数 0
1
回答
弹性豆杆不运行的克隆约伯
、
、
、
、
我在一个弹力豆茎应用程序上有一个抓取器,我可以像这样运行SSH: 我想帮我安排一个任务来处理这个问题。Cron won't r
浏览 0
提问于2015-04-13
得票数 0
1
回答
在绑定DNS缓存上阻止错误配置的DNS条目
、
、
、
我正在运行一个具有自己的绑定DNS缓存的网络
爬虫
。我们的代码使用DNS缓存
进行
解析,并使用
Python
的请求库发出GET请求。因此,我们的
爬虫
试图连接这些it,并以来自数据中心的扫描报告结束。 我们对
爬虫
进行
了更改,现在它首先为FQDN解析ip,如果IP处于私有/回环/保留范围,则跳过它。在对tcpdump
进行
嗅探之后,我发现仍然存在流向私有IP地址的流量。我认为它们的发生是因为HTTP重定向,因为我们检查了原始的FQDN,但是我们不检查重定向的主机
浏览 0
提问于2015-12-30
得票数 2
回答已采纳
5
回答
快速网络
爬虫
、
、
、
我想
进行
大规模的数据挖掘。为此,我需要一个快速
爬虫
。所有我需要的是下载一个网页,提取链接和递归跟随他们,但不访问相同的网址两次。基本上,我想避免循环。编辑:解决方案是组合multipr
浏览 4
提问于2011-10-05
得票数 8
回答已采纳
2
回答
如何在
Python
中使用二级代理设置?
、
我正在使用
python
进行
网络
爬虫
的工作。 例如,假设我在server-1之后,我使用代理设置来连接到外部世界。因此,在
Python
中,我可以使用代理处理程序来获取urls。现在的问题是,我正在建立一个
爬虫
,所以我不能只使用一个IP,否则我将被阻止。为了解决这个问题,我有一堆代理,我想拖着走过去。
浏览 7
提问于2011-04-20
得票数 7
1
回答
将具有动态生成名称的DynamoDB表导出到S3
、
、
我将时间序列数据存储在每日生成的DynamoDB表()中。这些表的命名惯例是"timeseries_ 2019-12-20 ",其中2019-12-20为当前日期。我想以CSV格式将前一天表发送到S3桶。推荐的方法是什么?我在看AWS Glue,但不知道如何让它每天找到新的表名。也许有云观察事件的lambda函数会更好?DynamoDB表的大小不大,存储了几百个数字。
浏览 4
提问于2019-12-21
得票数 0
回答已采纳
2
回答
测试我的网站在程序中是如何显示的
、
、
、
、
网站不仅可以被浏览器上的用户访问,还可以被程序、机器人和
爬虫
访问。我有一个运行在上的带有
python
的网站,它具有由
python
程序通过组合、合并和循环字符串生成的非静态HTML页面。
python
生成内容完全是为了方便、简洁和易于维护,并且完全由url设置。 一些搜索引擎无法对动态页面
进行
索引。我想知道这些页面是否符合“动态”,即它们是否可以被这类机器人为通常的元数据和内容
进行
爬行或索引,并且通常希望有一种方法来检查任何url在机器人或
爬虫
中是如何出现的,比如搜索引擎使
浏览 5
提问于2012-01-09
得票数 0
回答已采纳
2
回答
使用scrapy
python
的.net框架
、
、
、
可以在
Python
框架中使用.NET框架从不同的站点抓取数据吗?我正在做我的最后一年的项目,在这个项目中,我想使用C#作为前端语言,并使用
Python
来抓取数据。
浏览 0
提问于2014-05-07
得票数 4
3
回答
将数据从PHP脚本传递到
Python
Web Crawler
、
、
、
、
我有一个
python
爬虫
,每隔几分钟就抓取几个网页。我现在正在尝试实现一个可以通过web访问的用户界面,并显示
爬虫
获得的数据。我将使用php/html作为接口。无论如何,用户界面需要某种类型的按钮来触发
爬虫
程序立即抓取特定的网站(而不是等待下一次抓取迭代)。 现在,有没有一种方法可以将数据从php脚本发送到正在运行的
python
脚本?然后我在考虑使用一个共享文件,php在其中写入数据,
python
从中读取数据。但是,我需要一些方法来让
python
脚本知道,新数
浏览 1
提问于2011-03-31
得票数 1
1
回答
如果我为我的
python
脚本做了一个简单的gui,它会影响它的效率吗?
、
、
嗨,我想做一个网页
爬虫
,检查URL的数据,如果我做一个简单的Gui,使脚本更容易查找变量的数据,添加代码的gui会使我的网络
爬虫
效率降低吗? 我需要
爬虫
尽可能高效,能够尽可能快地处理数据。为这个
Python
脚本制作一个gui,会不会妨碍web
爬虫
的性能?
浏览 3
提问于2015-01-27
得票数 0
回答已采纳
1
回答
如何轻松地在远程github分支和本地分支/文件夹之间切换?
、
、
、
我用
Python
2.7编写了大量的Scrapy爬行器。我需要将它们全部转换为支持
Python
3,这种转换必须在1 go内完成。我只能在
Python
3
爬虫
做好部署准备之后才能开始使用。现在,由于“所有操作都必须保持活动状态”,我需要一个单独的
Python
3
爬虫
的远程分支。这个分支可以称为Remote-B。我手动创建了这个分支,所以整个存储库现在有两个分支: Master(Remote-A)和
Python
3
爬虫
(Remote-B),后者是主分支的一个
浏览 3
提问于2019-09-10
得票数 0
回答已采纳
1
回答
我怎么能强制停止我的
爬虫
得到一个特定的网址抓取最后一次?
、
、
、
、
我正在制作一个
爬虫
来找出最近添加的youtube视频,当我的
爬虫
到达旧视频(在前一个转弯中爬行)时,我想停止
爬虫
。我使用的不是scrapy和漂亮的汤,我使用的是
python
库。请给我推荐任何选项
浏览 9
提问于2017-06-27
得票数 0
2
回答
PHP与
、
、
我计划制作的网络
爬虫
,可以抓取200+领域,哪一种语言将适合它。我非常熟悉PHP,但我是
Python
的业余爱好者。
浏览 2
提问于2014-11-21
得票数 0
回答已采纳
1
回答
在ubuntu的后台运行时,
爬虫
停止。
、
我使用具有无限循环的
python
制作了一个简单的
爬虫
,所以它不能停止。随机延迟17 ~ 30,这个
爬虫
爬行相同的一个页面,并找到'href‘链接,定期更新,并存储到Mysql。因为我使用了Linux命令这个
爬虫
是在Ubuntu服务器背景下运行的。我想它已经运行了大约4个小时。但
爬虫
突然停止了。第二天我再试一次。
浏览 1
提问于2014-05-20
得票数 0
回答已采纳
1
回答
如何提取我的
爬虫
目前所站的网址?
、
、
我正在使用
python
中的scrapy框架制作一个web
爬虫
。其主要思想是,
爬虫
从页面中提取一些数据,如果数据符合某些条件,
爬虫
应该提取其当前所处的URL。是否有一些方法/函数可以获得当前的URL?
浏览 5
提问于2016-11-27
得票数 0
回答已采纳
2
回答
最适合用于图像爬行的开源、可扩展
爬虫
、
我们正处于一个项目的开始阶段,我们目前想知道哪个
爬虫
是我们最好的选择。基本上,我们要建立Hadoop和抓取网络上的图像。一些特殊问题:现在这些看起来是最好的三种选择-摘要: 我们需要从网络上获取
浏览 5
提问于2009-07-28
得票数 3
1
回答
解释URL中的相对路径
、
我正在用
python
编写一个“网络
爬虫
”,它接受一个URL,并根据链接到有限的深度
进行
深度优先搜索。我遇到的问题是如何解释URLS中的相对路径。如何确定如何在我的
爬虫
程序中解析这些路径?
浏览 1
提问于2011-03-03
得票数 1
回答已采纳
1
回答
分布在不同地理位置的
爬虫
、
、
我需要创建一个
爬虫
与客户端在每个台式机和一个中央服务器,其中的数据是索引。有没有可能在Nutch中创建这样的
爬虫
?还有没有别的选择。基于
Python
的
爬虫
会更好。
浏览 2
提问于2011-07-04
得票数 0
回答已采纳
1
回答
Web Crawler的常用输出格式
爬虫
的常见输出格式是什么?它会是XML,JSON吗?或者它会根据
爬虫
的不同而不同,例如:
Python
,Java?
浏览 0
提问于2012-08-20
得票数 0
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
Python中使用selenium进行动态爬虫
Python爬虫简单的添加代理进行访问!
python学习-爬虫进行统计分析
爬虫入门——详解Python是如何进行网页抓取!
Python网络爬虫-利用pytesseract进行网站验证码识别
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券