zg手册 之 scrapy 开发(3)-- 下载中间件
2016-05-02 00:36
375 查看
http://my.oschina.net/hopez/blog/214238
下载中间件功能
这是处于引擎和下载器之间的一层组件,可以有多个下载中间件被加载运行, 在引擎传递请求给下载器的过程中,下载中间件可以对请求进行处理 (例如增加http header信息等), 在下载器完成http请求,传递响应给引擎的过程中, 下载中间件可以对响应进行处理(例如进行gzip的解压等)
scrapy框架自带的下载中间件
CookiesMiddleware 跟踪处理 cookieDownloadTimeoutMiddleware 设置请求超时时间
其他下载中间件
scrapy 下载中间件的开启情况
查看 /usr/local/lib/python2.7/dist-packages/scrapy/settings/default_settings.py 默认配置文件,变量 DOWNLOADER_MIDDLEWARES_BASE 的定义有些中间件有开关参数,例如 COOKIES_ENABLED 控制 CookiesMiddleware 开启或关闭
开发下载中间件,丢弃响应数据长度等于100的数据
创建 middlewares 目录(与 settings.py 文件在同一目录下)在目录下创建 mymiddlewares.py 文件,创建类 CustomMiddlewares,下载中间件的类继承自 scrapy.contrib.downloadermiddleware.DownloaderMiddleware
DownloaderMiddleware 主要提供如下的方法
process_request 在请求传递给下载器前可以处理请求对象
process_response 在响应传递给引擎前处理响应数据
process_exception 处理异步调用时发生的异常情况
在 mymiddlewares.py 文件中添加下面代码
from scrapy.exceptions import IgnoreRequest from scrapy.contrib.downloadermiddleware import DownloaderMiddleware class CustomMiddlewares(DownloaderMiddleware): def process_response(self, request, response, spider): if len(response.body) == 100: return IgnoreRequest("body length == 100") else: return response
在配置文件 settings.py 中配置下载中间件
DOWNLOADER_MIDDLEWARES = { "douban.middlerwares.mymiddlewares.CustomMiddlewares": 543, }
运行 scrapy crawl doubanBook
原文链接: http://www.hopez.org/blog/9/1396102884
相关文章推荐
- Python脚本实现单据体首行过滤
- Android学习之界面篇(七)侧滑菜单的实现
- iOS面试题系列之Objective-C相关
- 20145322《Java程序设计》第4次实验报告
- BAE3 使用Port扩展-SSH和自己开启Socket服务
- Java 反射 Reflection
- Java数组练习
- 第七届科技节编程大赛初赛试题
- Apache服务器学习
- MyBatis模糊查询(注解方式+映射文件方式)
- PHP+Apache环境安装与配置
- iOS面试题系列之UI相关
- windows下maven安装配置操作
- 薛老师软考高项学员:2016年4月26日作业
- 数据挖掘-数据预处理模块
- 薛老师软考高项学员:2016年4月26日作业
- Vert.x 3 Core手册 for Java 中文版
- VS2015 ASP.NET5 Web项目结构浅析
- Java 自定义JDBC类库
- 跳表(Skip List)的JAVA实现