Scrapy项目之twisted.internet.error.DNSLookupError

标签：失败   requests   href   efault   意思   money   www   def   with   

Windows 10家庭中文版，Python 3.6.4，Scrapy 1.5.0，

昨日写了一个爬虫程序，用来抓取新闻数据，但在抓取某网站数据时发生了错误：超时、重试……开始是超过默认等待180秒的时间，后来自己在爬虫程序中改为了20秒，所以下图显示为20 seconds。

完全不知道怎么回事！上面是使用Scrapy项目内的基于CrawlerRunner编写的程序运行的，看不到更多数据！

尝试将爬虫中的allowed_domains改为下面两种形式（最后会使用第二种）进行测试——以为和子域名有关系：仍然失败。

1 #allowed_domains = [‘www.163.com‘, ‘money.163.com‘, ‘mobile.163.com‘,
2 #                   ‘news.163.com‘, ‘tech.163.com‘]
3 
4 allowed_domains = [‘163.com‘]

后来又在settings.py中关闭了robots.txt协议、开启了Cookies支持：仍然失败。

1 # Obey robots.txt rules
2 ROBOTSTXT_OBEY = False
3 
4 # Disable cookies (enabled by default)
5 COOKIES_ENABLED = True

此时，依靠着之前的知识储备是无法解决问题的了！

使用scrapy shell对获取超时的网页进行测试，结果得到了twisted.internet.error.DNSLookupError的异常信息：

scrapy shell "http://money.163.com/18/0714/03/DML7R3EO002580S6.html"

但是，使用ping命令却可以得到上面失败的子域名的IP地址：

twisted作为一个很常用的Python库，怎么会发生这样的问题呢！完全不应该的！

求助网络吧！最终找到下面的文章：

How do I catch errors with scrapy so I can do something when I get User Timeout error?

最佳答案！中文什么意思：在Request实例中定义errback！（请读三遍）

这么简单？和处理DNSLookupError错误有什么关系呢？为何定义了回调函数就可以了呢？

没想明白，不行动……

继续搜索，没有更多了……

好吧，试试这个方法，更改某网站的爬虫程序如下：

增加了errback = self.errback_163，其中，回调函数errback_163的写法和上面的参考文章中的一致（后来发现其来自Scrapy官文Requests and Responses中）。

1 yield response.follow(item, callback = self.parse_a_new,
2                                   errback = self.errback_163)

准备就绪，使用scapy crawl测试最新程序（在将之前修改的配置还原后——遵守robots.txt协议、禁止Cookies、allowed_domains设置为163.com）：成功抓取了想要的数据！

好了，问题解决了。可是，之前的疑问还是没有解决~后续再dig吧！~“神奇的”errback！~

Scrapy项目之twisted.internet.error.DNSLookupError

标签：失败   requests   href   efault   意思   money   www   def   with   

原文地址：https://www.cnblogs.com/luo630/p/9308884.html