回答情况：
提问时间：
问题标签：
尝试将Java版本从Java 8更新到Java 11，以编译和运行StromCrawler。
我的问题-在Java11上支持Storm吗？
浏览 0提问于2020-11-19得票数 2
2回答
我需要创建一个可以加载到csv文件中的R代码。csv文件包含一个名为" link“的列，对于每个i(Row)，有一个链接，代码需要从这个链接下载链接的内容，并将其放在一个单独的csv文件中。不出所料，我需要在这段代码中实现几样东西，这样它才能成为完成这一特定任务的好爬虫。
我想对每100次下载使用Sys.Sleep函数。这是我的硕士论文，这并不是真正的R编程，但我需要下载的内容，从许多网站，我已经被允许访问。接下来，我要对论文的内容进行分析，这也是我论文的重点所在
浏览 0修改于2012-09-09得票数 0
回答已采纳
1回答
我已经建立了一个爬虫在一个固定的领域内的螃蟹和提取url匹配的修复正则表达式。如果看到某个特定的url，则爬虫将跟踪该链接。爬虫可以很好地提取url，但是每次我运行爬虫时，它都会返回不同数量的链接，也就是说，每次运行它时，链接的数量都会不同。我在用Scrapy爬行。这是刮痕的问题吗？xyz.nl"] rules = (Rule(SgmlLinkExtractor
浏览 3修改于2014-04-07得票数 2
回答已采纳
我要做个爬虫。对于http请求，我曾经这样做过。', function () { }); http.request(options, callback).end(); ^at errnoException (dns.js:37
浏览 2修改于2015-01-18得票数 1
回答已采纳
1回答
我想建立一个网络爬虫使用R程序为网站""，它可以访问与地址参数的网站，然后从网站获取生成的经度和纬度。这将对我拥有的数据集的长度重复。提前谢谢。
浏览 28修改于2018-06-08得票数 -2
我在Haskell用手术刀写一个网络爬虫。request <- parseRequest weblink r<- return $ scrapeStringLike (L8.unpack p) torrentS mapM_ putStrLn我认为它检查用户代理字符串，并对真正的浏览器
浏览 2提问于2017-05-08得票数 0
回答已采纳
我用Scrapy创建了一个从Yelp抓取数据的爬虫。所有请求都通过Crawlera代理。Spider获取要抓取的URL，发送请求，然后抓取数据。直到有一天，我开始收到502无响应。执行以下代码行后，将显示502无响应： r = self.req_session.get(url, proxies=self.proxies, verify='../secret/crawlera-ca.crt').text 回溯： 2020-11-04 14:27:55 [urllib3.connectionpool] D
浏览 29提问于2020-11-04得票数 0
我在做一个爬虫程序。我已经做了爬虫，从网页上塞新闻，它可以上传到我的本地计算机，但我想直接上传到FTP服务器。for i in range(0,len(a),2): rurl, allow_redirects=True)
fileName = datetime.now().strftime(
浏览 4修改于2020-06-09得票数 0
回答已采纳
我的目标是创建一个小的网络爬虫。该过程应该继续，直到找不到新的URL。我的当前绘图如下:爬虫提取urls并将其放入池中。因此，每个Worker都有一个对池的引用，因此爬虫可以通过worker访问池对象。{
public functi
浏览 1提问于2017-02-04得票数 1
1回答
我有一个WP网站，为大约2%的Apache请求(主要是机器人和爬虫)创建500's错误。我无法用500's对大多数请求进行堆栈跟踪，也无法对PHP或MySQL错误以及Apache日志进行堆栈跟踪。用于爬虫的Apache访问日志示例：
41.79.186.247 - - [06/Oct/2015:11:23:49 -0400] "GET /international-chamber-of-commerce-icc-ud" "Mozilla/5.0 (Wi
浏览 0修改于2015-10-06得票数 0
回答已采纳
看这个截图：我还检查了AWStats中的爬虫器，但是我没有看到IP地址，所以我无法知道它是从哪里来的。一个未知的机器人消耗了11 GB，而Googlebot只使用了1GB。
我怎么才能挑出坏爬虫？
浏览 3提问于2017-10-29得票数 0
回答已采纳
在我用莱茵爬虫发动爬虫之后，我到目前为止所做的就是：(Display/setDisplayMode(DisplayMode. 800 600))(GL11/glClearColor1.0 0.0 0.0 1.0)
(GL11/glCl
浏览 4修改于2016-03-23得票数 1
回答已采纳
我想通过使用wget工具来学习更多关于爬虫的知识。我有兴趣爬行我的部门的网站，并找到该网站上的前100个链接。到目前为止，下面的命令就是我所拥有的。如何限制爬虫在100个链接后停止？wget -r -o output.txt -l 0 -t 1 --spider -w 5 -A html -e robots=on "http://www.example.com"
浏览 0修改于2011-02-12得票数 3
回答已采纳
我用python做了一个爬虫，我正在尝试下载这篇文章中的图片--。这个网站的问题是，它会自动调整大小，当我尝试下载文章的图片时，它给我的是320像素(太小)。发生这种情况的原因是爬虫进入url的源文件(view- source：)，它有320个像素。有一种方法可以使图像最大尺寸，或者我如何在浏览器中看到它？这是获取图像的代码：soup = Beautiful
浏览 0提问于2015-11-30得票数 2
1回答
我试图通过使用gem命令安装instagram爬虫：但我收到以下错误：
构建本机扩展。这需要一段时间..。错误:安装instagram爬虫时出错:错误:无法构建创业板本机扩展。当前目录: /var/lib/gems/2.5.0/gems/nokogiri-1.10.1/ext/nokogiri /usr/bin/ruby2.5 -r .
浏览 0提问于2019-02-05得票数 0
我想通过Amazon GLUE 1将我的数据从R.D.S传输到Red-shift，为R.D.S添加了连接，并运行了一个爬虫程序将我的R.D.S架构创建到Amazon GLUE中。现在我有很多表，如何传输此架构或Red-shift中的所有表
我遵循了一个教程，但他在Red-shift中已经有了一个表，所以他使用第二个爬虫来获取模式，然后在源和目标上执行E.T.L作业。
浏览 0提问于2019-12-11得票数 1
1回答
我用python中的scrapy框架编写了一个爬虫来选择一些链接和元tags.It，然后爬行起始urls，并将数据以JSON编码的格式写入到file.The上。问题是，当爬虫使用相同的起始urls运行两三次时，文件中的数据会被复制.To避免这一点我使用了scrapy中的一个下载中间件，即：但这不起作用，爬虫仍然会产生相同的结果，并在运行两次时将其附加到文件中i
浏览 1修改于2012-07-11得票数 2
我正在试图找出一种同时运行多个Scrapy爬虫的方法，而不会遇到内存问题等。list: ") # Enter name of list of seed sites separated by newline
我需要以某种方式检测一个爬虫何时完成，这样我就可以在它所在的地方启动另一个爬虫。有没有一个函数可以找
浏览 2提问于2014-11-28得票数 4
当我并行运行我的程序(web爬虫)时，我的系统需要异常数量的ram或内存，我还用其他web爬虫进行了测试，我的web爬虫占用的内存是它们的两倍，所以我的问题是如何手动管理python中的内存或ram (status = 'done' where urls= %s ", [s_url])
url1 = url[12:] url1 = url[11:]while True:
try
浏览 2提问于2017-12-24得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号