Python scrapy中的Cookie问题-IP被阻止

我是个新手（这是我第一次），我面临着一些问题。整个想法是使用python从网站中删除数据并将其存储在Sqlite数据库中

我在Python2.7中使用scrapy处理数据时被阻止了。我遇到了这个问题，仅更改IP不起作用，因此我想知道如何将scrapy使用的cookie删除到另一台计算机（IP地址）的新运行中

刮板工作正常，但我提出了太多的要求（我的坏），现在网站阻止了我。我试着用刮痧软膏，但在刮痧之后，没有成功。所以我决定建立一个AWS ec2实例并从中运行，因为它将具有不同的IP地址。我甚至使用了一个Windows实例（我在这里运行MacOSX）。问题是我一直被重定向到网站上说我被阻止的页面，即使使用不同的IP

我的

settings.py

类似于：

BOT_NAME = 'ScrapMSOMJournal'

SPIDER_MODULES = ['ScrapMSOMJournal.spiders']
NEWSPIDER_MODULE = 'ScrapMSOMJournal.spiders'

# Obey robots.txt rules
ROBOTSTXT_OBEY = False

CONCURRENT_REQUESTS_PER_DOMAIN = 1
RETRY_TIMES = 0
COOKIES_ENABLED = False

我的

spider.py

如下：（不是实际的文件名）

在我使用的任何计算机中，我都会得到相同的输出消息：

2017-03-20 19:38:55 [scrapy.utils.log] INFO: Scrapy 1.3.0 started (bot: ScrapMSOMJournal)
2017-03-20 19:38:55 [scrapy.utils.log] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'ScrapMSOMJournal.spiders', 'CONCURRENT_REQUESTS_PER_DOMAIN': 1, 'SPIDER_MODULES': ['ScrapMSOMJournal.spiders'], 'RETRY_TIMES': 0, 'BOT_NAME': 'ScrapMSOMJournal', 'COOKIES_ENABLED': False}
2017-03-20 19:38:55 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.logstats.LogStats',
 'scrapy.extensions.telnet.TelnetConsole',
 'scrapy.extensions.corestats.CoreStats']
2017-03-20 19:38:55 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
 'scrapy.downloadermiddlewares.retry.RetryMiddleware',
 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
 'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
 'scrapy.downloadermiddlewares.stats.DownloaderStats']
2017-03-20 19:38:55 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
 'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
 'scrapy.spidermiddlewares.referer.RefererMiddleware',
 'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
 'scrapy.spidermiddlewares.depth.DepthMiddleware']
2017-03-20 19:38:55 [scrapy.middleware] INFO: Enabled item pipelines:
['ScrapMSOMJournal.pipelines.SQLiteStorePipelineInfos']
2017-03-20 19:38:55 [scrapy.core.engine] INFO: Spider opened
2017-03-20 19:38:55 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2017-03-20 19:38:55 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2017-03-20 19:38:56 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (302) to <GET http://pubsonline.informs.org/doi/abs/10.1287/msom.2015.0518?cookieSet=1> from <GET http://pubsonline.informs.org/doi/abs/10.1287/msom.2015.0518>

2017-03-20 19:38:55[scrapy.utils.log]信息：scrapy 1.3.0已启动（bot:ScrapMSOMJournal）
2017-03-20 19:38:55[scrapy.utils.log]信息：覆盖的设置：{'NEWSPIDER_模块：'ScrapMSOMJournal.SPIDER'，'CONCURRENT_REQUESTS_PER_DOMAIN'：1，'SPIDER_模块'：['ScrapMSOMJournal.SPIDER'，'RETRY_TIMES'：0，'BOT_NAME'：'ScrapMSOMJournal'，'COOKIES_ENABLED'：False}
2017-03-20 19:38:55[scrapy.middleware]信息：启用的扩展：
['scrapy.extensions.logstats.logstats'，
'scrapy.extensions.telnet.TelnetConsole'，
'scrapy.extensions.corestats.corestats']
2017-03-20 19:38:55[剪贴簿中间件]信息：启用的下载程序中间件：
['scrapy.downloaderMiddleware.httpauth.HttpAuthMiddleware'，
'scrapy.downloadermiddleware.downloadtimeout.DownloadTimeoutMiddleware'，
'scrapy.downloaderMiddleware.defaultheaders.DefaultHeadersMiddleware'，
'scrapy.DownloaderMiddleware.useragent.UserAgentMiddleware'，
'scrapy.DownloaderMiddleware.retry.RetryMiddleware'，
'scrapy.DownloaderMiddleware.redirect.MetaRefreshMiddleware'，
'scrapy.DownloaderMiddleware.httpcompression.HttpCompressionMiddleware'，
'scrapy.DownloaderMiddleware.redirect.RedirectMiddleware'，
'scrapy.downloadermiddleware.stats.DownloaderStats']
2017-03-20 19:38:55[剪贴簿中间件]信息：启用的蜘蛛中间件：
['scrapy.spidermiddleware.httperror.httperror中间件'，
'刮皮.SpiderMiddleware.场外.场外Iddleware'，
“scrapy.Spidermiddleware.referer.RefererMiddleware”，
'scrapy.spiderMiddleware.urllength.UrlLengthMiddleware'，
'scrapy.spidermiddleware.depth.DepthMiddleware']
2017-03-20 19:38:55[碎片中间件]信息：启用的项目管道：
['ScrapMSOMJournal.pipelines.SQLiteStorePipelineInfos']
2017-03-20 19:38:55[刮屑.堆芯.发动机]信息：十字轴已打开
2017-03-20 19:38:55[scrapy.extensions.logstats]信息：爬网0页（0页/分钟），爬网0项（0项/分钟）
2017-03-20 19:38:55[scrapy.extensions.telnet]调试：telnet控制台在127.0.0.1:6023上侦听
2017-03-20 19:38:56[scrapy.downloadermiddleware.redirect]调试：重定向（302）到

尝试更改用户代理，有关如何在scrapy中执行此操作的信息，请参阅。
默认情况下，scrapy使用类似“scrapy v1.3”的内容作为用户代理字符串，并且易于检测

并在用户代理字符串上签出官方mozzila页面

简而言之，请尝试在

setting.py中设置此选项：

USER_AGENT = "Mozilla/5.0 (Windows NT x.y; Win64; x64; rv:10.0) Gecko/20100101 Firefox/10.0"

您可以尝试禁用重定向。看Hello@Granitosaurus，我试过了，但没用。它会禁用重定向，但不会抓取信息。谢谢@KlausD.，我很感谢您的输入，正如我所说的，我对抓取网站还不熟悉，所以我甚至不知道我可能会被阻止，我也没有/无意让网站请求泛滥。别担心，你不会让网站泛滥。您能够连接到任何URL吗？也许他们总体上都不满意？我投票结束这个问题，因为它不是一个真正的技术问题。在继续进行第一次导致堵塞的行为时，寻求帮助以避免被发现是完全不合适的。如果它不是您的网站，那么您无权以与网站的可接受使用策略不一致的方式访问它。如果您不同意阻止您的努力，您的解决方案是联系网站并协商双方同意的安排。
USER_AGENT = "Mozilla/5.0 (Windows NT x.y; Win64; x64; rv:10.0) Gecko/20100101 Firefox/10.0"