Scrapy：谷歌抓取不起作用答案

【问题标题】：Scrapy: Google Crawl doesn't workScrapy：谷歌抓取不起作用
【发布时间】：2015-10-29 12:54:34
【问题描述】：

当我尝试在 Google 上抓取搜索结果时，Scrapy 只会生成 Google 主页： http://pastebin.com/FUbvbhN4

这是我的蜘蛛：

import scrapy

class GoogleFinanceSpider(scrapy.Spider):
    name = "google"
    start_urls = ['http://www.google.com/#q=finance.google.com:+3m+co']
    allowed_domains = ['www.google.com']

    def parse(self, response):
        filename = response.url.split("/")[-2] + '.html'
        with open(filename, 'wb') as f:
            f.write(response.body)

这个网址作为起始网址有问题吗？当我在浏览器中打开它时——将它放在地址栏中（而不是填写搜索表单）——我会得到有效的搜索结果。

【问题讨论】：

标签： scrapy

【解决方案1】：

在大多数情况下，谷歌会将蜘蛛重定向到验证码页面，必应搜索结果更容易抓取。

有一个从Google/Bing/Baiduhttps://github.com/titantse/seCrawler抓取搜索结果的项目

【讨论】：

【解决方案2】：

是的，看起来该地址正在重定向到主页：

scrapy shell http://www.google.com/#q=finance.google.com:+3m+co 的示例：

...
[s]   request    <GET http://www.google.com/#q=finance.google.com:+3m+co>
[s]   response   <200 http://www.google.com/>
...

检查您的 url 是有道理的，它不包含参数，但 #q（这不是 url 参数）并且浏览器是识别这一点并使其成为谷歌搜索的浏览器，所以它不完全是一个url路径。

正确的谷歌搜索网址是：http://www.google.com/search?q=YOURQUERY

【讨论】：

啊，是的。这是因为 Chrome 支持 Google。当我在 Safari 中尝试时，它会做同样的事情（重定向到 Google 主页）。