《數(shù)據(jù)采集技術(shù)》課件-Middlewares中間件_第1頁(yè)
《數(shù)據(jù)采集技術(shù)》課件-Middlewares中間件_第2頁(yè)
《數(shù)據(jù)采集技術(shù)》課件-Middlewares中間件_第3頁(yè)
《數(shù)據(jù)采集技術(shù)》課件-Middlewares中間件_第4頁(yè)
《數(shù)據(jù)采集技術(shù)》課件-Middlewares中間件_第5頁(yè)
已閱讀5頁(yè),還剩19頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

Middlewares——中間件Middlewares—中間件scrapy中間件Middlewares—中間件根據(jù)其程序執(zhí)行流程位置不同分為兩類(lèi):(介于引擎與下載器之間)下載中間件(介于引擎與爬蟲(chóng)組件之間)爬蟲(chóng)中間件Middlewares—中間件中間件位于同一個(gè)middlewares.py文件之中:下載中間件下載中間件作用:對(duì)request對(duì)象進(jìn)行設(shè)置隨機(jī)請(qǐng)求頭、IP代理、Cookie等1判斷response對(duì)象的狀態(tài)碼,來(lái)決定是否將response提交給引擎2下載中間件process_request方法用來(lái)處理正常的請(qǐng)求對(duì)象的數(shù)據(jù),每個(gè)request通過(guò)下載中間件時(shí)被調(diào)用process_request(self,request,spider)request要處理的Request對(duì)象spider該request對(duì)應(yīng)的Spider對(duì)象參數(shù)如下:下載中間件process_response方法用于對(duì)response進(jìn)行處理,下載器完成http請(qǐng)求,傳遞響應(yīng)給引擎的時(shí)候調(diào)用process_response(self,request,response,spider)request表示response所對(duì)應(yīng)的requestresponse表示被處理的response參數(shù)如下:spider表示response所對(duì)應(yīng)的spider下載中間件process_exception方法用來(lái)處理拋異常的請(qǐng)求對(duì)象的數(shù)據(jù)process_exception(self,request,exception,spider)request表示response所對(duì)應(yīng)的requestexception表示拋出的異常參數(shù)如下:spider表示response所對(duì)應(yīng)的spider下載中間件案例:middlewares.py,代碼如下:classRandomUserAgent(object):defprocess_request(self,request,spider):useragent=random.choice(USER_AGENTS)request.headers.setdefault("User-Agent",useragent)下載中間件案例:settings.py,代碼如下:USER_AGENTS=["Mozilla/4.0(compatible;MSIE6.0;WindowsNT5.1;SV1;AcooBrowser;.NETCLR1.1.4322;.NETCLR2.0.50727)","Mozilla/4.0(compatible;MSIE7.0;WindowsNT6.0;AcooBrowser;SLCC1;.NETCLR2.0.50727;MediaCenterPC5.0;.NETCLR3.0.04506)","Mozilla/4.0(compatible;MSIE7.0;AOL9.5;AOLBuild4337.35;WindowsNT5.1;.NETCLR1.1.4322;.NETCLR2.0.50727)","Mozilla/5.0(Windows;U;MSIE9.0;WindowsNT9.0;en-US)","Mozilla/5.0(compatible;MSIE9.0;WindowsNT6.1;Win64;x64;Trident/5.0;.NETCLR3.5.30729;.NETCLR3.0.30729;.NETCLR2.0.50727;MediaCenterPC6.0)","Mozilla/5.0(compatible;MSIE8.0;WindowsNT6.0;Trident/4.0;WOW64;Trident/4.0;SLCC2;.NETCLR2.0.50727;.NETCLR3.5.30729;.NETCLR3.0.30729;.NETCLR1.0.3705;.NETCLR1.1.4322)","Mozilla/4.0(compatible;MSIE7.0b;WindowsNT5.2;.NETCLR1.1.4322;.NETCLR2.0.50727;InfoPath.2;.NETCLR3.0.04506.30)","Mozilla/5.0(Windows;U;WindowsNT5.1;zh-CN)AppleWebKit/523.15(KHTML,likeGecko,Safari/419.3)Arora/0.3(Change:287c9dfb30)","Mozilla/5.0(X11;U;Linux;en-US)AppleWebKit/527+(KHTML,likeGecko,Safari/419.3)Arora/0.6“]下載中間件設(shè)置settings.py中的DOWNLOADER_MIDDLEWARES,取消注釋?zhuān)篋OWNLOADER_MIDDLEWARES={'mySpider.middlewares.MyspiderDownloaderMiddleware':543,}COOKIES_ENABLED=False案例:禁用cookies以防止某些網(wǎng)站根據(jù)Cookie來(lái)封鎖爬蟲(chóng)下載中間件設(shè)置成功后,運(yùn)行爬蟲(chóng)就會(huì)發(fā)現(xiàn)請(qǐng)求頭設(shè)置成功請(qǐng)求發(fā)送給服務(wù)器之前下載中間件隨機(jī)選擇一個(gè)請(qǐng)求頭,就可以避免總使用一個(gè)請(qǐng)求頭防止爬蟲(chóng)被服務(wù)器發(fā)現(xiàn)爬蟲(chóng)中間件爬蟲(chóng)中間件爬蟲(chóng)中間件作用:1在Response發(fā)送給Spider之前,對(duì)Response進(jìn)行處理2在Request發(fā)送給Scheduler之前,對(duì)Request進(jìn)行處理3在Item發(fā)送給ItemPipeline之前,對(duì)Item進(jìn)行處理爬蟲(chóng)中間件自帶了許多SpiderMiddleware爬蟲(chóng)中間件SPIDER_MIDDLEWARES_BASE變量的內(nèi)容如下:'scrapy.spidermiddlewares.httperror.HttpErrorMiddleware':50,'scrapy.spidermiddlewares.offsite.OffsiteMiddleware':500,'scrapy.spidermiddlewares.referer.RefererMiddleware':700,'scrapy.spidermiddlewares.urllength.UrllengthMiddleware':800,'scrapy.spidermiddlewares.depth.DepthMiddleware':900,SPIDER_MIDDLEWARES={'mySpider.middlewares.MyspiderSpiderMiddleware':543,}爬蟲(chóng)中間件自帶了許多SpiderMiddleware爬蟲(chóng)中間件process_spider_input方法當(dāng)Response被爬蟲(chóng)中間件處理時(shí)被調(diào)用。返回結(jié)果是:None或者拋出一個(gè)異常process_spider_input(response,spider)response被處理的Response對(duì)象spider該Response對(duì)應(yīng)的Spider參數(shù)如下:爬蟲(chóng)中間件process_spider_output方法當(dāng)Spider處理Response返回結(jié)果時(shí),該方法被調(diào)用process_spider_output(response,result,spider)response生成該輸出的ResponseresultSpider返回的結(jié)果參數(shù)如下:spider其結(jié)果對(duì)應(yīng)的Spider爬蟲(chóng)中間件process_spider_exception方法當(dāng)process_spider_input方法拋出異常時(shí)被調(diào)用process_spider_exception(response,exception,spider)爬蟲(chóng)中間件process_start_r

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論