标签:pre htm 就会 链接 相同 requests 自动 main 网站
一.遇到的问题总结
scrapy中爬取的多有数据(通过spider.py),最后必须通过items实例格式化后,传递到pipelines中进行进一步的处理(注意scrapy内置的pipelines文件,像下载图pain)
Request中meta参数的作用是传递信息给下一个函数,使用过程可以理解成:
把需要传递的信息赋值给这个叫meta的变量,但meta只接受字典类型的赋值,因此要把待传递的信息改成“字典”的形式,即:
meta={‘key1‘:value1,‘key2‘:value2}
如果想在下一个函数中取出value1,只需得到上一个函数的meta[‘key1‘]即可,因为meta是随着Request产生时传递的,下一个函数得到的Response对象中就会有meta,
即response.meta,
前一个函数的meta和后一个函数的meta是相同的,取value1则是value1=response.meta[‘key1‘]
这些信息可以是任意类型的,比如值、字符串、列表、字典......方法是把要传递的信息赋值给字典的键,分析见如下语句(爬虫文件):
1 作者:乌尔班 2 链接:https://www.zhihu.com/question/54773510/answer/146971644 3 来源:知乎 4 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 5 6 class example(scrapy.Spider): 7 name=‘example‘ 8 allowed_domains=[‘example.com‘] 9 start_urls=[‘http://www.example.com‘] 10 def parse(self,response): 11 #从start_urls中分析出的一个网址赋值给url 12 url=response.xpath(‘.......‘).extract() 13 #ExamleClass是在items.py中定义的,下面会写出。 14 """记住item本身是一个字典""" 15 item=ExampleClass() 16 item[‘name‘]=response.xpath(‘.......‘).extract() 17 item[‘htmlurl‘]=response.xpath(‘.......‘).extract() 18 """通过meta参数,把item这个字典,赋值给meta中的‘key‘键(记住meta本身也是一个字典)。 19 Scrapy.Request请求url后生成一个"Request对象",这个meta字典(含有键值‘key‘,‘key‘的值也是一个字典,即item) 20 会被“放”在"Request对象"里一起发送给parse2()函数 """ 21 yield Request(url,meta={‘key‘:item},callback=‘parse2‘) 22 def parse2(self,response): 23 item=response.meta[‘key‘] #(准确的说是一种浅复制,见文末)实现了两个函数之间参数的共享,相当于 item=item,操作的是同一个items.py中的item字典 24 """这个response已含有上述meta字典,此句将这个字典赋值给item, 25 完成信息传递。这个item已经和parse中的item一样了""" 26 item[‘text‘]=response.xpath(‘.......‘).extract() 27 #item共三个键值,到这里全部添加完毕了 28 yield item
items.py中语句如下:
1 class ExampleClass(scrapy.Item): 2 name = scrapy.Field() 3 htmlurl = scrapy.Field() 4 text=scrapy.Field()
meta当然是可以传递cookie的(第一种):
下面start_requests中键‘cookiejar’是一个特殊的键,scrapy在meta中见到此键后,会自动将cookie传递到要callback的函数中。既然是键(key),就需要有值(value)与之对应,例子中给了数字1,也可以是其他值,比如任意一个字符串。
1 def start_requests(self): 2 yield Request(url,meta={‘cookiejar‘:1},callback=self.parse)
1 def parse(self,response): 2 key=response.meta[‘cookiejar‘] #经过此操作后,key=1【cookiejar:1---->key:cookiejar----->key=reponse.meta[‘cookiejar‘] =1】 3 yield Request(url2,meta={‘cookiejar‘:key},callback=‘parse2‘) 4 def parse2(self,response): 5 pass 6
上面这段和下面这段是等效的:
1 def parse(self,response): 2 yield Request(url2,meta={‘cookiejar‘:response.meta[‘cookiejar‘]},callback=‘parse2‘) 3 #这样cookiejar的标记符还是数字1 4 def parse2(self,response): 5 pass
传递cookie的第二种写法:
如果不加标记,可以用下面的写法:
1 #先引入CookieJar()方法 2 from scrapy.http.cookies import CookieJar
写spider方法时:
1 def start_requests(self): 2 yield Request(url,callback=self.parse)#此处写self.parse或‘parse’都可以 3 def parse(self,response): 4 cj = response.meta.setdefault(‘cookie_jar‘, CookieJar()) 5 cj.extract_cookies(response, response.request) 6 container = cj._cookies 7 yield Request(url2,cookies=container,meta={‘key‘:container},callback=‘parse2‘) 8 def parse2(self,response): 9 pass
meta是浅复制,必要时需要深复制。
可以这样引入:
1 import copy 2 meta={‘key‘:copy.deepcopy(‘value‘)}
标签:pre htm 就会 链接 相同 requests 自动 main 网站
原文地址:https://www.cnblogs.com/qingsheng/p/8905869.html