python爬蟲框架scrapy下載中間件的編寫方法
下載中間件
在每一個(gè)scrapy工程中都有一個(gè)名為 middlewares.py 的文件,這個(gè)就是中間件文件
其中下載中間件的類為 XxxDownloaderMiddleware
其中有這么幾個(gè)方法
def process_request(self, request, spider): return None
def process_response(self, request, response, spider): return response
def process_exception(self, request, exception, spider): pass
process_request
這個(gè)方法是用來攔截請(qǐng)求的,我們可以將UA偽裝寫在這個(gè)方法中。
UA池這個(gè)屬性需要自己編寫
def process_request(self, request, spider): # UA偽裝,從UA池隨機(jī)一個(gè) request.headers['User-Agent'] = random.choice(self.user_agent_list) return None
process_response
這個(gè)方法是用來攔截響應(yīng)的,我們可以在這里篡改響應(yīng)數(shù)據(jù)。
如果我們將selenium和scrapy結(jié)合就可以請(qǐng)求那些動(dòng)態(tài)加載的數(shù)據(jù)了。
def process_response(self, request, response, spider): # 瀏覽器對(duì)象 bro = spider.bro # 參數(shù)spider是爬蟲對(duì)象 # 挑選出指定響應(yīng)對(duì)象進(jìn)行篡改url->request->response bro.get(request.url) page_text = bro.page_source # 包含了動(dòng)態(tài)加載的數(shù)據(jù) # 針對(duì)定位到的response篡改 # 實(shí)例化新的響應(yīng)對(duì)象(包含動(dòng)態(tài)加載的數(shù)據(jù)) response = HtmlResponse(url=bro.current_url, body=page_text, encoding='utf-8', request=request) return response
在爬蟲文件中需要預(yù)先創(chuàng)建selenium的瀏覽器對(duì)象
import scrapy from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver import ChromeOptions class XxxSpider(scrapy.Spider): name = 'xxx' # allowed_domains = ['www.xxx.com'] start_urls = ['……'] def __init__(self): service = Service('/Users/soutsukyou/PyCharm_Workspace/網(wǎng)絡(luò)爬蟲/study_selenium/chromedriver') chrome_options = ChromeOptions() # 規(guī)避檢測(cè) chrome_options.add_experimental_option('excludeSwitches', ['enable-automation']) # 實(shí)例化瀏覽器 self.bro = webdriver.Chrome(service=service, options=chrome_options)
process_exception
這是用來攔截發(fā)生異常的請(qǐng)求對(duì)象,一般我們可以在這里寫代理ip。
兩個(gè)代理ip池屬性需要自己編寫
def process_exception(self, request, exception, spider): # 可以設(shè)置代理ip if request.url.split(':')[0] == 'http': request.meta['proxy'] = 'http://'+random.choice(self.PROXY_http) if request.url.split(':')[0] == 'https': request.meta['proxy'] = 'https://'+random.choice(self.PROXY_https) # 重新請(qǐng)求發(fā)送 return request
其它
我們需要在settings.py中開啟下載中間件才能使其生效
# Enable or disable downloader middlewares # See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html DOWNLOADER_MIDDLEWARES = { 'xxx.middlewares.XxxDownloaderMiddleware': 543, }
到此這篇關(guān)于python爬蟲框架scrapy下載中間件的編寫方法的文章就介紹到這了,更多相關(guān)python scrapy中間件內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python sklearn庫實(shí)現(xiàn)PCA教程(以鳶尾花分類為例)
今天小編就為大家分享一篇Python sklearn庫實(shí)現(xiàn)PCA教程(以鳶尾花分類為例),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02教你用Python創(chuàng)建微信聊天機(jī)器人
這篇文章主要手把手教你用Python創(chuàng)建微信聊天機(jī)器人,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-03-03Python+Pygame實(shí)戰(zhàn)之俄羅斯方塊游戲的實(shí)現(xiàn)
俄羅斯方塊,作為是一款家喻戶曉的游戲,陪伴70、80甚至90后,度過無憂的兒時(shí)歲月,它上手簡(jiǎn)單能自由組合、拼接技巧也很多。本文就來用Python中的Pygame模塊實(shí)現(xiàn)這一經(jīng)典游戲,需要的可以參考一下2022-12-12使用Python裝飾器在Django框架下去除冗余代碼的教程
這篇文章主要介紹了使用Python裝飾器在Django框架下去除冗余代碼的教程,主要是處理JSON代碼的一些冗余,需要的朋友可以參考下2015-04-04使用Python進(jìn)行數(shù)據(jù)可視化實(shí)現(xiàn)引人注目的視覺效果
這篇文章主要介紹了使用Python進(jìn)行數(shù)據(jù)可視化實(shí)現(xiàn)引人注目的視覺效果,您將了解基本的數(shù)據(jù)可視化概念,以及如何創(chuàng)建各種引人注目的圖表和圖形,從而更好地理解和呈現(xiàn)數(shù)據(jù)2023-04-04Python實(shí)用小知識(shí)之對(duì)象間的比較
== 和 is 是 Python 中對(duì)象比較常用的兩種方式,簡(jiǎn)單來說,'==' 操作符比較對(duì)象之間的值是否相等,下面這篇文章主要給大家介紹了關(guān)于Python實(shí)用小知識(shí)之對(duì)象間比較的相關(guān)資料,需要的朋友可以參考下2021-10-10