《數(shù)據(jù)采集技術》課件-Request 和 Response類_第1頁
《數(shù)據(jù)采集技術》課件-Request 和 Response類_第2頁
《數(shù)據(jù)采集技術》課件-Request 和 Response類_第3頁
《數(shù)據(jù)采集技術》課件-Request 和 Response類_第4頁
《數(shù)據(jù)采集技術》課件-Request 和 Response類_第5頁
已閱讀5頁,還剩18頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

Request和ResponseRequest和ResponseRequest類源碼位置:Request類源碼位置:Request類Request類是Scrapy框架中用于定義爬取請求的類創(chuàng)建Request對象,可以指定要爬?。篣RL請求的方法HeadersCookiesRequest類Request類是Scrapy框架中用于定義爬取請求的類創(chuàng)建Request對象,可以指定要爬?。篣RL請求的方法HeadersCookiesRequest類Request對象包含了HTTP請求的基本信息Request的構造參數(shù)梳理如下:urlRequest的頁面鏈接,即要爬取的地址callbackRequest的回調(diào)方法methodRequest的方法,GET、POST、PUT、DELETE等Request類Request對象包含了HTTP請求的基本信息Request的構造參數(shù)梳理如下:metaRequest請求攜帶的額外參數(shù)可以指定任意處理參數(shù),特定的參數(shù)經(jīng)由Scrapy各個組件的處理,得到不同的效果。可以用來向回調(diào)方法傳遞信息??梢砸宰值涞男问絺鬟f,包含的信息不受限制。Request類Request對象包含了HTTP請求的基本信息Request的構造參數(shù)梳理如下:更方便地實現(xiàn)POST請求使用FormRequest或JsonRequest(Scrapy專門為POST請求提供了兩個類)bodyRequest的內(nèi)容,往往RequestBody對應的是POST請求Request類Request對象包含了HTTP請求的基本信息Request的構造參數(shù)梳理如下:bodyRequest的內(nèi)容,往往RequestBody對應的是POST請求headersRequestHeaders,字典形式cookiesRequest攜帶的Cookies,字典或列表形式encodingRequest的編碼,默認是utf-8prorityRequest優(yōu)先級,數(shù)值越大,就越被優(yōu)先調(diào)度并執(zhí)行Request類Request對象包含了HTTP請求的基本信息Request的構造參數(shù)梳理如下:dont_filterRequest不去重,設置為True代表這個Request會被忽略去重操作,默認是Falseerrback錯誤處理方法cb_kwargs回調(diào)方法的額外參數(shù),可以作為字典傳遞flags請求的標志,可以用于記錄類似的處理Request類callback示例:defparse_page_1(self,response):returnscrapy.Request('/some_page.html',

callback=self.parse_page_2)

defparse_page_2(self,response):

(f'Visited{response.url}')Request類cb_kwargs示例:defparse_page_1(self,response):

request=scrapy.Request('/some_page.html',callback=self.parse_page_2,cb_kwargs=dict(main_url=response.url))request.cb_kwargs['foo']='bar'yieldrequest

defparse_page_2(self,response,main_url,foo):yielddict(main_url=main_url,other_url=response.url,foo=foo)Request類errback示例:importscrapyfromscrapy.spidermiddlewares.httperrorimportHttpErrorfromernet.errorimportDNSLookupErrorfromernet.errorimportTimeoutError,TCPTimedOutErrordefparse(self,response):request=scrapy.Request('/some_page.html',callback=self.parse_page_1,

errback=self.parse_page_2,cb_kwargs=dict(main_url=response.url))yieldrequestdefparse_page_1(self,response,main_url):passdefparse_page_2(self,failure):iffailure.check(HttpError):response=failure.value.responseself.logger.error(f"HttpErroron{response.url}")eliffailure.check(DNSLookupError):request=failure.requestself.logger.error(f"DNSLookupErroron{request.url}")eliffailure.check(TimeoutError,TCPTimedOutError):request=failure.requestself.logger.error(f'TimeoutErroron{request.url}')eliffailure.check(TimeoutError,TCPTimedOutError):request=failure.requestself.logger.error('TimeoutErroron%s',request.url)Response類errback示例:錯誤處理方法Response類源碼位置:Response類源碼位置:Response類是HTTP請求得到的響應結(jié)果Response的可用的屬性和方法梳理如下:urlRequestURLstatusResponse狀態(tài)碼headersResponseHeaders,字典形式,字段一一對應bodyResponseBody,訪問頁面之后得到的源代碼,其結(jié)果是bytes類型requestResponse對應的Request對象Response類Response類是HTTP請求得到的響應結(jié)果Response的可用的屬性和方法梳理如下:ip_address代表服務器的IP地址urljoin對URL的處理方法follow/follow_all根據(jù)URL來生成后續(xù)Request的方法Response類Response類urljoin示例:fromscrapy.httpimportResponsefromscrapy.utils.urlimporturljoin

response=Response(url='/')

relative_url='/path/to/page'full_url=response.urljoin(relative_url)print(full_url)#輸出:/path/to/page

base_url='/'relative_url='/path/to/page'full_url=response.urljoin(base_url,relative_url)print(full_url)#輸出:/path/to/pageResponse類follow示例:importscrapy

classMySpider(scrapy.Spider):name='my_spider'defstart_requests(self):urls=['/page1','/page2']forurlinurls:yieldscrapy.Request(url=url,callback=self.parse)

defparse(self,response:scrapy.Response):title=response.css('title::text').get()links=response.css('a::attr(href)').getall()

print('Title:'

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論