Python使用scrapy采集数据过程中放回下载过大页面的方法

本文实例讲述了Python使用scrapy采集数据过程中放回下载过大页面的方法。分享给大家供大家参考。具体分析如下：

添加以下代码到settings.py，myproject为你的项目名称

复制代码 代码如下: DOWNLOADER_HTTPCLIENTFACTORY = 'myproject.downloader.LimitSizeHTTPClientFactory'

自定义限制下载过大页面的模块

复制代码 代码如下: MAX_RESPONSE_SIZE = 1048576 # 1Mb
from scrapy.core.downloader.webclient import ScrapyHTTPClientFactory, ScrapyHTTPPageGetter
class LimitSizePageGetter(ScrapyHTTPPageGetter):
    def handleHeader(self, key, value):
        ScrapyHTTPPageGetter.handleHeader(self, key, value)
        if key.lower() == 'content-length' and int(value) > MAX_RESPONSE_SIZE:
            self.connectionLost('oversized')
class LimitSizeHTTPClientFactory(ScrapyHTTPClientFactory):
     protocol = LimitSizePageGetter

希望本文所述对大家的Python程序设计有所帮助。

您可能感兴趣的文章:

• python爬虫框架scrapy实现模拟登录操作示例
• Python爬虫框架Scrapy常用命令总结
• Python爬虫框架Scrapy基本用法入门教程
• Python使用Scrapy爬虫框架全站爬取图片并保存本地的实现代码
• Python爬虫框架Scrapy安装使用步骤
• 深入剖析Python的爬虫框架Scrapy的结构与运作流程
• python3使用scrapy生成csv文件代码示例
• 讲解Python的Scrapy爬虫框架使用代理进行采集的方法
• 使用Python的Scrapy框架编写web爬虫的简单示例
• Python爬虫框架scrapy实现的文件下载功能示例