我正在使用scrapy,我有几个问题:
第一个问题:我把start_requests放在一个循环中,但函数不是从每次迭代开始
的第二个问题:我需要调用与循环给出的start_urls相关的不同回调,但我无法为回调提供动态名称。我想放回调=parse_i,我来自上面的循环。
liste [[liste1],[liste2],[liste3]]
for i in range (0, 2):
start_urls = liste[i]
def start_requests(self):
#print(self.start_urls)
for u in self.start_urls:
try:
req = requests.get(u)
except requests.exceptions.ConnectionError:
print("Connection refused")
if req.status_code != 200:
print("Request failed, status code is :", req.status_code)
continue
yield scrapy.Request(u, callback=self.parse, meta={'dont_merge_cookies': True}, dont_filter=False)
谢谢
我需要调用与循环给出的
start_urls
相关的不同回调,但我无法为回调提供动态名称。我想把callback=parse_i
和i
来自上面的循环。
回调属性只需要是一个可调用对象,所以你可以像平常一样使用 getattr
:
my_callback = getattr(self, 'parse_{}'.format(i))
yield Request(u, callback=my_callback)
另外,虽然您没有问这个问题,但从start_requests
内部进行 URL 调用是非常不寻常的,因为 (a) 这就是为什么人们会使用 Scrapy 来处理所有非 200 的东西和 (b) requests
这样做不会尊重任何限制、代理、用户代理、恢复或其他旋钮的主机,人们希望影响抓取作业。