爬虫项目类相关属性

一.爬虫项目类相关属性

  • name 。爬虫名称,是定义Spider 名字的字符串。Spider 的名字定义了Scrapy 如何定位并初始化Spider,它必须是唯一的。不过我们可以生成多个相同的Spider 实例,数量没有限制。
  • allowed_domains 。允许爬取的域名,是可选配置,不在此范围的链接不会被跟进爬取。
  • start_urls 。它是起始URL列表,当我们没有实现start_requests()方法时,默认会从这个列表开始抓取。
  • custom_ settings 。它是一个字典,是专属于本Spider的配置,此设置会覆盖项目全局的设置。此设置必须在初始化前被更新,必须定义成类变量。
  • crawler 。它是由from_crawler()方法设置的,代表的是本Spider 类对应的Crawler 对象。Crawler 对象包含了很多项目组件,利用它我们可以获取项目的一些配置信息,如最常见的获取项目的设置信息,即Settings 。
  • start_ requests()。此方法用于生成初始请求,它必须返回一个可迭代对象。此方法会默认使用start _ urls 里面的URL 来构造Request ,而且Request 是GET 请求方式。如果我们想在启动时以POST方式访问某个站点,可以直接重写这个方法,发送POST请求时使用FormRequest即可。
  • parse() 。当Response 没有指定回调函数时,该方法会默认被调用。它负责处理Response,处理返回结果,并从中提取想要的数据和下一步的请求,然后返回。该方法需要返回一个包含Request或ltem的可迭代对象。
  • closed()。当Spider关闭时,该方法会被调用,在这里一般会定义释放资源的一些操作或其他收尾操作。
posted @ 2020-04-11 13:01  Hank·Paul  阅读(308)  评论(0编辑  收藏  举报