Bootstrap

Python爬虫爬取数据报错

报错:

Error fetching the URL: ('Connection aborted.', ConnectionResetError(10054, '远程主机强迫关闭了一个现有的连接。', None, 10054, None))

报错原因:

  • 目标服务器限制

    • 目标网站可能已经检测到你的请求来自自动化工具(如爬虫、脚本等)而拒绝了连接。这种情况常见于防爬虫机制较强的网站,服务器会主动切断与不符合正常浏览器请求模式的连接。
  • IP 被封禁

    • 如果你多次尝试请求相同的服务器或频繁访问某些页面,服务器可能会认为你是一个爬虫或恶意访问者,从而临时封禁你的 IP 地址。
  • 网络问题

    • 可能是由于网络不稳定、连接超时或者防火墙问题导致连接被重置。
  • 代理问题

    • 如果你使用了代理,可能代理服务器遇到了问题,导致无法成功连接到目标网站。

解决方法:

1、配置响应头模拟浏览器访问:
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"
    }

 

2. 使用代理

你可以尝试通过代理服务器发送请求,以避免 IP 被封禁。你可以选择使用免费的或付费的代理服务。

proxies = {
    'http': 'http://your_proxy_ip:port',
    'https': 'https://your_proxy_ip:port'
}

response = requests.get(url, headers=headers, proxies=proxies)
3. 增加请求间隔时间

如果你频繁发送请求,目标网站可能会认为你是一个爬虫。你可以通过设置请求间隔来避免被封锁。

import time
time.sleep(1)  # 等待 1 秒钟再发送下一个请求
4. 重试机制

实现一个简单的重试机制,尝试多次连接,间隔一定时间后再试。

ConnectionResetError(10054) 错误一般与目标网站的防火墙或防爬虫措施有关,或者与网络配置和代理设置有关。通过模拟浏览器请求、使用代理、降低请求频率和加入重试机制等方式,你可以增加请求成功的概率。如果问题持续存在,可能需要更换 IP 或联系网站管理员。 

;