scrapy中间件的简介

Posted xyhh

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scrapy中间件的简介相关的知识,希望对你有一定的参考价值。

中间件的简介

  1.中间件的作用

          在scrapy运行的整个过程中,对scrapy框架运行的某些步骤做一些适配自己项目的动作.

     例如scrapy内置的HttpErrorMiddleware,可以在http请求出错时做一些处理.

       2.中间件的使用方法

          配置settings.py.详见scrapy文档 https://doc.scrapy.org

中间件的分类

  scrapy的中间件理论上有三种(Schduler Middleware,Spider Middleware,Downloader Middleware),在应用上一般有以下两种

       1.爬虫中间件Spider Middleware

         主要功能是在爬虫运行过程中进行一些处理.

  2.下载器中间件Downloader Middleware

         主要功能在请求到网页后,页面被下载时进行一些处理.

 中间件的方法

      1.Spider Middleware有以下几个函数被管理:

       - process_spider_input 接收一个response对象并处理,

         位置是Downloader-->process_spider_input-->Spiders(Downloader和Spiders是scrapy官方结构图中的组件)

       - process_spider_exception spider出现的异常时被调用

       - process_spider_output 当Spider处理response返回result时,该方法被调用

       - process_start_requests 当spider发出请求时,被调用

    位置是Spiders-->process_start_requests-->Scrapy Engine(Scrapy Engine是scrapy官方结构图中的组件)         

   2.Downloader Middleware有以下几个函数被管理

   - process_request  request通过下载中间件时,该方法被调用

   - process_response 下载结果经过中间件时被此方法处理

   - process_exception 下载过程中出现异常时被调用

      编写中间件时,需要思考要实现的功能最适合在那个过程处理,就编写哪个方法.

      中间件可以用来处理请求,处理结果或者结合信号协调一些方法的使用等.也可以在原有的爬虫上添加适应项目的其他功能,这一点在扩展中编写也可以达到目的,实际上扩展更加去耦合化,推荐使用扩展.

代码示例

下载中间件代码示例

配置

1
2
3
4
5
6
DOWNLOADER_MIDDLEWARES = {
   #‘xdb.middlewares.XdbDownloaderMiddleware‘: 543,
    # ‘xdb.proxy.XdbProxyMiddleware‘:751,
    ‘xdb.md.Md1‘:666,
    ‘xdb.md.Md2‘:667,
}

爬虫中间件下载示例

编写类

配置

1
2
3
4
5
SPIDER_MIDDLEWARES = {
   # ‘xdb.middlewares.XdbSpiderMiddleware‘: 543,
    ‘xdb.sd.Sd1‘666,
    ‘xdb.sd.Sd2‘667,
}

 

以上是关于scrapy中间件的简介的主要内容,如果未能解决你的问题,请参考以下文章

scrapy主动退出爬虫的代码片段(python3)

scrapy按顺序启动多个爬虫代码片段(python3)

12.scrapy框架

Scrapy使用

scrapy框架

scrapy_基础