51dev.com IT技术开发者社区

51dev.com 技术开发者社区

Scrapy 中 Request 对象和 Response 对象的各参数及属性介绍

Pythonphp学习阅读(14)2019-10-10 收藏0次评论

request 对象

  • request构造器方法的参数列表:
    • request(url [, callback=none, method='get', headers=none, body=none,cookies=none, meta=none, encoding='utf-8', priority=0,dont_filter=false, errback=none, flags=none])
  • 各参数说明:
    • url(必选)
      • 请求页面的url地址,bytes或str类型。
    • callback
      • 页面解析函数,callback类型,request请求对象的页面下载完成后,由该参数指定的页面解析函数解析页面,如果未传递该参数,默认调用spider的parse方法。
    • method
      • http请求的方法,默认为'get’。
    • headers
      • http请求的头部字典,dict 类型。
    • body
      • http请求的正文,bytes 或 str类型。
    • cookies
      • cookie信息字典,dict 类型。
    • meta
      • request 的元数据字典,dict 类型,用于给框架中其他组件传递信息,比如中间件 item pipeline。其他组件可以使用request 对象的 meta 属性访问该元数据字典 (request.meta), 也用于给响应处理函数传递信息。
    • encoding
      • url 和 body 参数的编码默认为'utf-8'。如果传入的url或body参数是str 类型,就使用该参数进行编码。
    • priority
      • 请求的优先级,默认值为0,优先级高的请求优先下载。
    • dont_filter
      • 默认情况下(dont_filter=false),对同一个url地址多次提交下载请求,后面的请求会被去重过滤器过滤(避免重复下载)。如果将该参数置为true,可以使请求避免被过滤,强制下载。例如:在多次爬取一个内容随时间而变化的页面时(每次使用相同的url),可以将该参数设置为true。
    • errback
      • 请求出现异常或出现http错误时(如404页面不存在)的回调函数。

response 对象

  • 概念:
    • response 对象用来描述一个http响应,response只是一个基类,根据响应内容的不同有如下子类:
      • textresponse
      • htmlresponse
      • xmlresponse
    • 当一个页面下载完成时,下载器依据http响应头部中的content-type信息创建某个response的子类对象。通常一般是htmlresponse子类。
  • htmlresponse 对象的属性及方法:
    • url
      • http 响应的url地址,str 类型。
    • status
      • http 响应的状态码,int 类型。
    • headers
      • http 响应的头部,dict 类型。可以调用get或getlist方法对其进行访问。
    • body
      • http 响应正文,bytes 类型。
    • text
      • 文本形式的http响应正文,str 类型,它是由 response.body 使用 response.encoding 解码得到的。
        • response.text = response.body.decode(response.encoding)
    • encoding
      • http 响应正文的编码,它的值可能是从http响应头部或正文中解析出来的。
    • request
      • 产生该http 响应的request对象。
    • meta
      • 即 response.request.meta, 在构造 request对象时,可将要传递给响应处理函数的信息通过meta参数传入;响应处理函数处理响应时,通过response.meta 将信息取出。
    • selector
      • selector 对象用于在response 中提取数据。
    • xpath(query)
      • 使用xpath选择器在response中提取数据;它是 response.selector.xpath 方法的快捷方式。
    • css(query)
      • 使用 css选择器在response中提取数据;它是 response.selector.css方法的快捷方式。
    • urljoin (url)
      • 用于构造绝对 url 。当传入的url参数是一个相对地址时,根据response.url 计算出相应的绝对 url。

以上就是Scrapy 中 Request 对象和 Response 对象的各参数及属性介绍的全部内容,请多关注【51DEV】IT技术开发者社区。