返回码418,scrapy 重新请求

Posted xunhanliu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了返回码418,scrapy 重新请求相关的知识,希望对你有一定的参考价值。

问题情景:

scrapy爬取网页,返回值418(按照请求来说,是一个完整的网络请求)。说明此接口已经被后台爬虫检测程序检测到了。

通过研读scrapy文档,在自定义的418检测下载中间件里面,process_response中检测返回值,并设置request的http/https代理,然后return request。

见文档:https://docs.scrapy.org/en/latest/topics/downloader-middleware.html#scrapy.downloadermiddlewares.DownloaderMiddleware.process_response

按照文档所述,此request会被加入到下载调度器中重新download。

bug: 

返回的request未生效!!!没有重新下载!

解决

通过研读RetryMiddleware的源码。见:https://docs.scrapy.org/en/latest/_modules/scrapy/downloadermiddlewares/retry.html#RetryMiddleware

request.dont_filter = True # 禁止被过滤掉

说明直接返回request会被过滤掉。需要设置dont_filter。

 

以上是关于返回码418,scrapy 重新请求的主要内容,如果未能解决你的问题,请参考以下文章

Scrapy Spider没有返回所有元素

python爬取网页时返回http状态码HTTP Error 418

Scrapy 基础

Xpath开始在Scrapy上重新调整无

爬虫--scrapy

爬虫2.3-scrapy框架-postshell验证码