栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

如何基于scrapy中的URL过滤重复的请求

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

如何基于scrapy中的URL过滤重复的请求

您可以编写用于重复删除的自定义中间件并将其添加到设置中

import osfrom scrapy.dupefilter import RFPDupeFilterclass CustomFilter(RFPDupeFilter):"""A dupe filter that considers specific ids in the url"""    def __getid(self, url):        mm = url.split("&refer")[0] #or something like that        return mm    def request_seen(self, request):        fp = self.__getid(request.url)        if fp in self.fingerprints: return True        self.fingerprints.add(fp)        if self.file: self.file.write(fp + os.linesep)

然后,您需要在settings.py中设置正确的DUPFILTER_CLASS

DUPEFILTER_CLASS = 'scraper.duplicate_filter.CustomFilter'

在那之后应该工作



转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/617659.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号