Request和Response

Posted 2021-01-15 colden

Request对象：

class Request(object_ref):

        def __init__(self, url, callback=None, method=‘GET‘, headers=None, body=None,
                 cookies=None, meta=None, encoding=‘utf-8‘, priority=0,
                 dont_filter=False, errback=None, flags=None):

        self._encoding = encoding  # this one has to be set first
        self.method = str(method).upper()
        self._set_url(url)
        self._set_body(body)
        assert isinstance(priority, int), "Request priority not an integer: %r" % priority
        self.priority = priority

        if callback is not None and not callable(callback):
            raise TypeError(‘callback must be a callable, got %s‘ % type(callback).__name__)
        if errback is not None and not callable(errback):
            raise TypeError(‘errback must be a callable, got %s‘ % type(errback).__name__)
        assert callback or not errback, "Cannot use errback without a callback"
        self.callback = callback
        self.errback = errback

        self.cookies = cookies or {}
        self.headers = Headers(headers or {}, encoding=encoding)
        self.dont_filter = dont_filter

        self._meta = dict(meta) if meta else None
        self.flags = [] if flags is None else list(flags)

Request对象在我们写爬虫，爬取一页的数据需要重新发送一个请求的时候调用。这个类需要传递一些参数，其中比较常用的参数有：

1. url：这个request对象发送请求的url。
2. callback：在下载器下载完相应的数据后执行的回调函数。
3. method：请求的方法。默认为GET方法，可以设置为其他方法。
4. headers：请求头，对于一写固定的设置，放在settings.py中指定就可以了。对于那些非固定的，可以发送请求的时候指定。
5. meta：比较常用。用于在不同的请求之间传递参数用的。
6. encoding：编码。默认的为utf-8，使用默认的就可以了。
7. dont-filter：表示不由调度器过滤。在执行多次重复的请求的时候用的比较多。
8. errback：在发生错误的时候执行的函数。

Response对象

Response一般由Scrapy给你自动构建的。因此开发者不需要关心如何构建Response对象，而是如何使用他。Response对象由很多属性，可以用来提取数据的。主要由以下属性：

1. meta：从其他请求传过来的meta属性，可以用来保持多个请求之间的数据连接。
2. encoding：返回当前字符串编码和解码格式。
3. text：将返回来的数据作为unicode字符串返回。
4. body：将返回来的数据作为bytes字符串返回。
5. xpath：xpath选择器。
6. css：css选择器。

发送POST请求：

有时候我们想要在请求数据的时候发送post请求，那么这个时候需要使用Request的子类FormRequest来实现。如果想要在爬虫一开始的时候就发送POST请求，那么需要在爬虫类中重写start_requests(self)方法，并且不再调用start_urls里的url。