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 > 软件开发 > 后端开发 > Python

Python中间件_python的scrapy模块?

Python 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

Python中间件_python的scrapy模块?

scrapy中间件包含两块,爬虫中间件,下载中间件,主要以下载中间件,middlewares.py修改后如下

方法描述
先在setting打开中件间配置:DOWNLOADER_MIDDLEWARES = {'loadImg.middlewares.LoadimgDownloaderMiddleware': 543,}

当前文件:D:python_testscrapyProjectloadImgloadImgmiddlewares.py

from scrapy import signals
class LoadimgDownloaderMiddleware:

    #类方法:作用是返回一个下载器对象(忽略)
    @classmethod
    def from_crawler(cls, crawler):
        # This method is used by Scrapy to create your spiders.
        s = cls()
        crawler.signals.connect(s.spider_opened, signal=signals.spider_opened)
        return s

    #拦截处理所有的请求对象
    #参数:request就是拦截到的请求对象,spider爬虫文件中爬虫类实例化的对象
    #spider.类方法的变量名,获取数据
    def process_request(self, request, spider):
        print(spider.name) #name就爬虫文件的类变量
        return None

    #拦截处理所有的响应对象
    #参数:response就是拦截到的响应对象,request是被拦截到响应对象对应的唯一的一个请求对象
    def process_response(self, request, response, spider):
        return response

    #拦截和处理发生异常的请求对象
    #参数:reqeust就是拦截到的发生异常的请求对象
    def process_exception(self, request, exception, spider):
        return request # 发生异常后可以修正数据后重新发起请求

    #控制日志数据的(忽略)
    def spider_opened(self, spider):
        spider.logger.info('Spider opened: %s' % spider.name)
例子
先在setting打开中件间配置:DOWNLOADER_MIDDLEWARES = {'loadImg.middlewares.LoadimgDownloaderMiddleware': 543,}

当前文件:D:python_testscrapyProjectloadImgloadImgmiddlewares.py

from scrapy import signals
class LoadimgDownloaderMiddleware:

      def process_request(self, request, spider):
         # request.meta['proxy'] = 'http://ip:port'
         # request.headers['User-Agent'] = 'UA值'
         # request.headers['cookie'] = 'xxx'
         print(request.url + ':请求对象拦截成功!')
         return None

      def process_response(self, request, response, spider):
          print(request.url + ':响应对象拦截成功!')
          return response

      def process_exception(self, request, exception, spider):
         print(request.url + ':发生异常的请求对象被拦截到!')       
         # request.meta['proxy'] = 'https://ip:port'
         return request  # 对请求对象进行重新发送

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/786863.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