Web爬虫（也称为Web爬虫）是一种以有条不紊，自动化或有序方式浏览万维网的计算机程序。 Web爬虫的其他术语是蚂蚁，自动索引器，僵尸程序，Web蜘蛛，Web机器人，或者 - 尤其是在FOAF社区中 - Web scutters。
我正在尝试整理门户网站下所有文章的列表：水 (例如 json "url": "https://en.wikipedia.org/wiki/Heavy_water", "title": "重水&quo...
Bingbot 每天会在几个小时内非常频繁地访问我的网站，而在其余时间里会非常轻松。 我要么想平滑其爬行，降低其速率限制，要么……
每个半小时我都会收到来自 http://www.facebook.com/externalhit_uatext.php 的大量请求。 我知道这些请求意味着什么，但这种行为很奇怪。 定期...
所以基本上我使用 Selenium 来抓取 Youtube 视频的评论。所以我需要获取作者姓名和他们的评论。但无论如何。我可以获取并打印出包含所有
使用Python（Selenium + BeautifulSoup）从交互式图表中提取数据
我需要从此链接中的资产演变图表中提取数据（示例）：https://investidor10.com.br/carteira/572422/（附有图表图像）。我需要我存在的所有条形图的数据...
仅针对特定子域从 robots.txt 禁用 Nextjs 应用程序的网络抓取
我的网站部署在 vercel 上，该网站是直接部署在 vercel 上的 Next js 应用程序（不使用 nginx 或任何其他 Web 服务服务器）。有两个域分配给同一个我们...
如何在我的java应用程序中使用selenium单击下拉菜单中的按钮？
我需要从网站读取数据并根据该数据构建菜单对象。 但在我做到这一点之前，我需要使用该网站的英文版本，然后单击...
导入 matplotlib.pyplot 作为 plt 将 numpy 导入为 np labels=['围攻', '启动', 'Crowd_control', 'Wave_clear', 'Objective_damage'] 标记 = [0, 1, 2, 3, 4, 5] str_markers = [“0”，“...
我正在尝试 IBM 文档。以下是我正在查看的网址。我想知道如何以编程方式展开左侧窗格上的所有切换，以便我可以获得所有 URL 并获得...
目前我有一个从特定网站爬取数据的项目，如下所示，这是我自 2023 年以来用于爬取的代码，现在在 2024 年网站已更改，我不知道如何修复
问题： 一个像 https://websiteurl/person/{person} 这样的页面，其中有一些与该人相关的内容（包括图像、描述），并且在该页面内有一个部分调用...
我想从serp中提取总结果数。但响应html源代码（https://pastebin.com/eizmaNTQ）不包含任何结果编号。 我搜索了许多其他类似的帖子
我想在node.js中使用爬虫来爬取网站中的所有链接（内部链接）并获取每个页面的标题，我在npm爬虫上看到了这个插件，如果我检查文档有跟随...
我想从serp中提取结果编号。但我的响应html源代码不包含任何结果号。我搜索了许多其他与我类似的帖子，但它们发布的时间很长...
Bash 脚本缓存温暖忽略 Magento XML 站点地图中的 URL？
我正在尝试运行一个使用我的 sitemap.xml 的网站爬虫 我在 magento 上运行了清漆，我想在清理缓存后预热它。 我正在使用松节油的温缓存脚本，但是...
Python TypeError Traceback（最近一次调用最后一次）
我正在尝试构建一个爬虫，我想打印该页面上的所有链接 我正在使用Python 3.5 这是我的代码 导入请求 从 bs4 导入 BeautifulSoup def 爬虫（链接）： 来源...
在我的 scpraper 中，我有一个特定的网址，它会定期下降。完成统计数据显示 '下载者/异常计数'：2， '下载器/exception_type_count/twisted.internet.error.TCPTimedOutError'...
我已经抓取了nhatot.com网站的内容，但是没有可用的内容。我认为我的计算机被阻止了，但事实并非如此。我可以正常访问网站(nhatot.com) 这是我的Python代码
我正在使用selenium自动登录网站https:// Fiverraffiliates.com/loginaffiliate/。但 Selenium 没有加载页面。 它只是显示了一个白色的网站，什么也没发生（下面是我...