在Scrapy中使用IP池或用户代理（python3）

一、创建Scrapy工程

 scrapy startproject 工程名

二、进入工程目录，根据爬虫模板生成爬虫文件

 scrapy genspider -l # 查看可用模板
 scrapy genspider -t 模板名 爬虫文件名 允许的域名

三、定义爬取关注的数据（items.py文件）

四、编写爬虫文件

五、设置IP池或用户代理
（1）设置IP池
步骤1：在settings.py文件中添加代理服务器的IP信息，如：

 # 设置IP池
 IPPOOL = [
 　　{"ipaddr": "221.230.72.165:80"},
 　　{"ipaddr": "175.154.50.162:8118"},
 　　{"ipaddr": "111.155.116.212:8123"}
 ]

步骤2：创建下载中间文件middlewares.py（与settings.py同一个目录），如：

#创建方法，cmd命令行，如项目为modetest，

E:\workspace\PyCharm\codeSpace\modetest\modetest>echo #middlewares.py

 # -*- coding: utf- -*-
 # 导入随机模块
 import random
 # 导入settings文件中的IPPOOL
 from .settings import IPPOOL
 # 导入官方文档对应的HttpProxyMiddleware
 from scrapy.contrib.downloadermiddleware.httpproxy import HttpProxyMiddleware

 class IPPOOlS(HttpProxyMiddleware):
 　　# 初始化
 　　def __init__(self, ip=''):
 　　self.ip = ip

 　　# 请求处理
 　　def process_request(self, request, spider):
 　　# 先随机选择一个IP
 　　thisip = random.choice(IPPOOL)
 　　print("当前使用IP是："+ thisip["ipaddr"])
 　　request.meta["proxy"] = "http://"+thisip["ipaddr"]

步骤3：在settings.py中配置下载中间件

 # 配置下载中间件的连接信息
 DOWNLOADER_MIDDLEWARES = {
 　　'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware':,
 　　'modetest.middlewares.IPPOOlS' :
 }

（2）设置用户代理
步骤1：在settings.py文件中添加用户代理池的信息（配置几个浏览器'User-Agent'），如：

 # 设置用户代理池
 UPPOOL = [
 　　"Mozilla/5.0 (Windows NT 10.0; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.79 Safari/537.36 Edge/14.14393"
 ]

步骤2：创建下载中间文件uamid.py（与settings.py同一个目录），如：

#创建方法，cmd命令行，如项目为modetest，

E:\workspace\PyCharm\codeSpace\modetest\modetest>echo #uamind.py

 # -*- coding: utf- -*-#
 # 导入随机模块
 import random
 # 导入settings文件中的UPPOOL
 from .settings import UPPOOL
 # 导入官方文档对应的HttpProxyMiddleware
 from scrapy.contrib.downloadermiddleware.useragent import UserAgentMiddleware

 class Uamid(UserAgentMiddleware):
 　　# 初始化 注意一定要user_agent，不然容易报错
 　　def __init__(self, user_agent=''):
 　　self.user_agent = user_agent

 　　# 请求处理
 　　def process_request(self, request, spider):
 　　　　# 先随机选择一个用户代理
 　　　　thisua = random.choice(UPPOOL)
 　　　　print("当前使用User-Agent是："+thisua)
 　　　　request.headers.setdefault('User-Agent',thisua)

步骤3：在settings.py中配置下载中间件

 # 配置下载中间件的连接信息
 DOWNLOADER_MIDDLEWARES = {
 　　'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware': ,
4　　 'modetest.uamid.Uamid':
 }

总而言之，有时候避免不了配置这类信息，所以直接在settings中都一起配置了如下，直接粘贴到settings.py文件的最后面

 #========================================

 # 设置IP池和用户代理

 #  禁止本地Cookie
 COOKIES_ENABLED = False

 # 设置IP池
 IPPOOL = [
     {"ipaddr": "221.230.72.165:80"},
     {"ipaddr": "175.154.50.162:8118"},
     {"ipaddr": "111.155.116.212:8123"}
 ]

 # 设置用户代理池
 UPPOOL = [
     "Mozilla/5.0 (Windows NT 10.0; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.79 Safari/537.36 Edge/14.14393"
 ]

 # 配置下载中间件的连接信息
 DOWNLOADER_MIDDLEWARES = {
     #'scrapy.contrib.downloadermiddlewares.httpproxy.HttpProxyMiddleware':123,
     #'modetest.middlewares.IPPOOlS' : 125,
     'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware': 2,
     'modetest.uamid.Uamid': 1
 }

 #============================================