python - Scrapy process_links 和 process_request 的示例代码

Question

我是 Scrapy 的新手，我希望有人能给我很好的示例代码，说明什么时候 process_links 和 process_request 最有用。我看到 process_links 用于过滤 URL，但我不知道如何编码。

谢谢。

Answer 1

你的意思是 scrapy.spiders.Rule 是 scrapy.CrawlSpider 中最常用的

它们的作用与名字所说的差不多，或者换句话说，在提取链接和处理/下载链接之间充当某种中间件。

process_links 介于提取链接和转换为请求之间。这方面有很酷的用例，仅举几个常见的用例:

1. 过滤掉一些您不喜欢的链接。
2. 手动进行重定向以避免错误请求。

例子:

def process_links(self, link):
    for link in links:
        #1
        if 'foo' in link.text:
            continue  # skip all links that have "foo" in their text
        yield link 
        #2
        link.url = link.url + '/'  # fix url to avoid unnecessary redirection
        yield link

process_requests 位于刚刚发出的请求和下载之前的请求之间。它与 process_links 共享一些用例，但实际上可以做一些其他很酷的事情，例如:

1. 修改 header (例如 cookie)。
2. 根据 url 中的某些关键字更改回调等详细信息。

例子:

def process_req(self, req):
    # 1
    req = req.replace(headers={'Cookie':'foobar'})
    return req
    # 2
    if 'foo' in req.url:
        return req.replace(callback=self.parse_foo)
    elif 'bar' in req.url:
        return req.replace(callback=self.parse_bar)
    return req

您可能不会经常使用它们，但这两个在某些情况下可能是非常方便和简单的快捷方式。