scrapy-下载中间件

Posted 2020-11-20 doitjust

scrapy-下载中间件

每个下载中间件组件是定义了以下一个或多个方法的Python类
■ process_request(request,spider)
■ process_response(request,response,spider)
■ process_exception(request,exception,spider)

下面分别介绍这三种中间件。
1.Process_request(request,spider)
　　方法说明：当每个request通过下载中间件时，该方法被调用，返回值必须为None、Response对象、Request对象中的一个或Raise IgnoreRequest异常。
　　参数：
　　request(Request对象)：处理的request。
　　spider(Spider对象)：该request对应的spider。
　　返回值：
　　如果返回None,Scrapy将继续处理该request，执行其他的中间件中的响应方法，直到合适的下载器处理函数被调用，该request被执行(其respose被下载)。
　　如果返回Reponse对象，scrapy不会调用其他的process_request(),process_exception()方法，或相应的下载方法，将返回response。已安装的中间件的process_response()方法则会在每个response返回时被调用。
　　如果返回Request对象，Scrapy则停止调用process_request() 方法并重新调度返回的request。当新返回的request被执行后，相应的中间件链将会根据下载的response被调用。
　　如果返回的是Raise IgnoreRequest 异常，则安装的下载中间件的process_exception()方法会被调用。如果没有任何一个方法处理该异常，则request的errback方法会被调用。如果没有代码处理抛出的异常，则该异常被忽略且不记录。

2.process_response(request,response,spider)
　　方法说明：该方法主要用来处理产生的response，返回值必须是Response对象、Request对象中的一个或Raise IgnoreRequest异常。
　　参数：
　　request(Request对象)：response对应的request。
　　response(Response对象) ：处理的response。
　　spider(Spider对象)：response对应的spider。
　　返回值：
　　如果返回Response对象，可以与传入的response相同，也可以是新的对象，该response会被链中的其他中间件的process_response()方法处理。
　　如果返回Request对象，则中间件链停止，返回的request会被重新调度下载。处理类似于process_request()返回request时所做的那样。
　　如果爬出IgnoreReqeust异常，则调用reqeust的errback方法。如果没有代理处理抛出的异常，则该异常被忽略且不记录。

3.process_exception(request,exception,spider)
　　方法说明：当下载器或process_reqeust()抛出异常，比如IgnoreRequest异常时，Scrapy调用process_exception()。process_exception()应返回None,Response对象或者Request对象其中之一。
　　参数：
　　request(Request对象)：产生异常的request。
　　exception(Exception对象)：抛出的异常。
　　spider(Spier对象)：Request对应的spider。
　　返回值：
　　如果返回None，Scrapy将会继续处理该异常，接着调用已安装的其他中间件的process_exception()方法，直到所有中间件都被调用完毕，则调用默认的异常处理。
　　如果返回Response对象，则已安装的中间件链的process_response()被调用。Scrapy将不会调用任何其他中间件的process_exception()方法。
　　如果返回Reqeust对象，则返回的reqeust将会被重新调用下载，这将停止中间件process_exception()方法执行，类似 于返回Response对象的处理。

下面使用图说明scrapy的下载中间件的机制：