@lvye001
杨振宇 暂无简介
requests爬取搜狗微信文章,此网站反爬严重(出验证码) 1,携带cookie,且user_agent池随机更换,每次请求适当间隔1.0-3.0s 2,判断验证码页面字符长短,加代理ip,代理ip实现可重用,判断何时加何时不加(抓取过得页面坚决不再抓取) 3,将所有文章url放入redis缓存集合去重, 4,爬取详情页信息时可以实现断点续传,利用的是redis集合的差集方法 5,标题,图片,内容,存入mongodb。