时间:2022-12-28 09:39:31 | 栏目:Python代码 | 点击:次
在每一个scrapy工程中都有一个名为 middlewares.py 的文件,这个就是中间件文件
其中下载中间件的类为 XxxDownloaderMiddleware
其中有这么几个方法
def process_request(self, request, spider): return None
def process_response(self, request, response, spider): return response
def process_exception(self, request, exception, spider): pass
这个方法是用来拦截请求的,我们可以将UA伪装写在这个方法中。
UA池这个属性需要自己编写
def process_request(self, request, spider): # UA伪装,从UA池随机一个 request.headers['User-Agent'] = random.choice(self.user_agent_list) return None
这个方法是用来拦截响应的,我们可以在这里篡改响应数据。
如果我们将selenium和scrapy结合就可以请求那些动态加载的数据了。
def process_response(self, request, response, spider): # 浏览器对象 bro = spider.bro # 参数spider是爬虫对象 # 挑选出指定响应对象进行篡改url->request->response bro.get(request.url) page_text = bro.page_source # 包含了动态加载的数据 # 针对定位到的response篡改 # 实例化新的响应对象(包含动态加载的数据) response = HtmlResponse(url=bro.current_url, body=page_text, encoding='utf-8', request=request) return response
在爬虫文件中需要预先创建selenium的浏览器对象
import scrapy from selenium import webdriver from selenium.webdriver.chrome.service import Service from selenium.webdriver import ChromeOptions class XxxSpider(scrapy.Spider): name = 'xxx' # allowed_domains = ['www.xxx.com'] start_urls = ['……'] def __init__(self): service = Service('/Users/soutsukyou/PyCharm_Workspace/网络爬虫/study_selenium/chromedriver') chrome_options = ChromeOptions() # 规避检测 chrome_options.add_experimental_option('excludeSwitches', ['enable-automation']) # 实例化浏览器 self.bro = webdriver.Chrome(service=service, options=chrome_options)
这是用来拦截发生异常的请求对象,一般我们可以在这里写代理ip。
两个代理ip池属性需要自己编写
def process_exception(self, request, exception, spider): # 可以设置代理ip if request.url.split(':')[0] == 'http': request.meta['proxy'] = 'http://'+random.choice(self.PROXY_http) if request.url.split(':')[0] == 'https': request.meta['proxy'] = 'https://'+random.choice(self.PROXY_https) # 重新请求发送 return request
我们需要在settings.py中开启下载中间件才能使其生效
# Enable or disable downloader middlewares # See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html DOWNLOADER_MIDDLEWARES = { 'xxx.middlewares.XxxDownloaderMiddleware': 543, }