将 Tor 与 scrapy 框架结合使用

我正在尝试抓取网站，该网站足够复杂以阻止机器人，我的意思是它只允许几个请求，之后 Scrapy 挂起。

问题1：有没有办法，如果Scrapy挂起，我可以从同一点重新启动我的爬行过程。 为了摆脱这个问题，我这样写了我的设置文件

BOT_NAME = 'MOZILLA'
BOT_VERSION = '7.0'

SPIDER_MODULES = ['yp.spiders']
NEWSPIDER_MODULE = 'yp.spiders'
DEFAULT_ITEM_CLASS = 'yp.items.YpItem'
USER_AGENT = '%s/%s' % (BOT_NAME, BOT_VERSION)

DOWNLOAD_DELAY = 0.25
DUPEFILTER=True
COOKIES_ENABLED=False
RANDOMIZE_DOWNLOAD_DELAY=True
SCHEDULER_ORDER='BFO'

这是我的程序：

class ypSpider(CrawlSpider):

   name = "yp"


   start_urls = [
       SOME URL

   ]
   rules=(
      #These are some rules
   )
   def parse_item(self, response):
   ####################################################################
   #cleaning the html page by removing scripts html tags    
   #######################################################
   hxs=HtmlXPathSelector(response)

问题是我可以在哪里编写http代理，我是否必须导入任何与tor相关的类，我是Scrapy的新手，因为在这个小组中我学到了很多东西，现在我正在尝试学习“如何使用ip旋转或tor”

正如我们的一位成员所建议的，我启动了 tor 并将 HTTP_PROXY 设置为

set http_proxy=http://localhost:8118

但它抛出了一些错误，

failure with no frames>: class 'twisted.internet.error.ConnectionRefusedError'   Connection was refused by other side 10061: No connection could be made because the target machine actively refused it.

所以我将 http_proxy 更改为

set http_proxy=http://localhost:9051

现在错误是

failure with no frames>: class 'twisted.internet.error.ConnectionDone' connection was closed cleanly.

我检查了 Firefox 网络设置，在那里我看不到任何 http 代理，但它使用的是 SOCKSV5，而是显示 127.0.0.1:9051。 （在 TOR 之前，它不需要代理）请帮助我，我仍然不明白如何通过 Scrapy 使用 TOR。 我应该使用哪个 TOR 包以及如何使用？ 我希望我的两个问题都能得到解决

1. 如果 scrapy 爬虫由于某种原因挂起（连接失败），我想从那里恢复服务本身
2. 如何在Scrapy中使用轮换IP

TOR 本身不是 http 代理，端口 8118 和连接拒绝错误表明您没有正确运行 privoxy[1]。尝试正确设置 privoxy，然后使用环境变量重试http_proxy=http://localhost:8118.

我已经使用 privoxy 和 scrapy 成功完成了 TOR 爬行。

[1] http://www.privoxy.org/ http://www.privoxy.org/