如图所示:
1.这是什么问题呢?将rate/burst设置为1/1还是会有,该如何解决?
2.点到tasks界面选择任意一个success的链接进来,看到会有"HTTP 304: Not Modified"错误,这是原来已经爬取过了的意思吗?
3.还有就是爬取的网站有很多页,然后每页又是一个列表界面,点击列表界面的单个链接就进入相应的详细信息界面,理论上不应该是按照顺序爬吗,第一页爬完爬第二页一次类推,为什么看终端或者active tasks里面都不是按照顺序爬的,有时是几十页,然后又跳到几百页去了,这样就有时候会漏掉很多没有爬到,这种情况如何解决,所以我就想让他严格的按照顺序爬取。
你是用正则或者xpath把所有列表页的url取出来爬的么,应该不会漏掉吧,你可以从数据库里去查是不是爬过某个列表url