python - 在 scrapy 中使用 Tor 代理

Question

我需要帮助在 Ubuntu 中设置 Tor 并在 scrapy 框架中使用它。

我做了一些研究并找到了这个指南:

class RetryChangeProxyMiddleware(RetryMiddleware):

    def _retry(self, request, reason, spider):
        log.msg('Changing proxy')
        tn = telnetlib.Telnet('127.0.0.1', 9051)
        tn.read_until("Escape character is '^]'.", 2)
        tn.write('AUTHENTICATE "267765"\r\n')
        tn.read_until("250 OK", 2)
        tn.write("signal NEWNYM\r\n")
        tn.read_until("250 OK", 2)
        tn.write("quit\r\n")
        tn.close()
        time.sleep(3)
        log.msg('Proxy changed')
        return RetryMiddleware._retry(self, request, reason, spider)

然后在settings.py中使用它:

DOWNLOADER_MIDDLEWARE = {
                         'spider.middlewares.RetryChangeProxyMiddleware': 600,
                         }

然后您只想通过本地 tor 代理 (polipo) 发送请求，这可以通过以下方式完成:

tsocks scrapy crawl spirder 

有没有人可以确认此方法有效并且您获得了不同的 IP？

Answer 1

我正在使用这个片段:http://snipplr.com/view/66992/use-a-random-user-agent-for-each-request/

更新:损坏的链接已修复