Scrapy默认\u请求\u头不起作用

Question

我将settings.py中的默认请求头更改如下：

DEFAULT_REQUEST_HEADERS = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.84 Safari/537.36',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4',
}

但是，它在我的HotSpider中不起作用。我可以看到scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware已启用，但连接已完全关闭，就像未设置头一样

这是温泉浴池：

    # -*- coding: utf-8 -*-
    import scrapy
    
    class HotSpider(scrapy.Spider):
        name = "hot"
        allowed_domains = ["qiushibaike.com"]
        start_urls = (
            'http://www.qiushibaike.com/hot',
        )
        
        def parse(self, response):
            print '\n', response.status, '\n'

如果我更改代码以覆盖make_requests_from_url来设置头，那么一切都会正常工作

    # -*- coding: utf-8 -*-
    import scrapy


    class HotSpider(scrapy.Spider):
        name = "hot"
        allowed_domains = ["qiushibaike.com"]
        start_urls = (
            'http://www.qiushibaike.com/hot',
        )
        headers =  {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.84 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
            'Accept-Encoding': 'gzip, deflate, sdch',
            'Accept-Language': 'en-US,en;q=0.8,zh-CN;q=0.6,zh;q=0.4',
        }
    
        def make_requests_from_url(self, url):
            return scrapy.http.Request(url, headers=self.headers)
    
    
        def parse(self, response):
            print '\n', response.status, '\n'

---

这个问题将根据prioritize default headers over user agent middlewares #2091在Scrapy 1.2中解决

Answer 1

我看到，在使用默认标头中间件时，用户代理标头确实没有正确设置，并且这个特定的站点拒绝没有预期的用户代理标头的连接

为爬虫程序设置用户代理的推荐方法是使用用户代理设置密钥：

例如

# settings.py
USER_AGENT = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36"

在使用默认标题时不设置用户代理可能是Scrapy中的一些错误，或者这可能是预期的，并在某处记录。您需要对此做更多的研究，如果它确实是一个bug，那么值得在Scrapy github repo中发布bug报告