Scrapy get url запроса в синтаксическом анализе

17

Как я могу получить URL запроса в функции анализа Scrapy? У меня много URL-адресов в start_urls, и некоторые из них перенаправляют мой паук на домашнюю страницу, и в результате у меня есть пустой элемент. Поэтому для хранения этих URL-адресов мне потребуется примерно item['start_url'] = request.url . Я использую BaseSpider.

    
задан Goran 19.11.2013 в 21:07
источник

4 ответа

22

Переменная «response», переданная в parse (), имеет нужную вам информацию. Вам не нужно ничего переоценивать.

например.

def parse(self, response):
    print "URL: " + response.url
    
ответ дан Jagu 25.01.2015 в 08:50
источник
12

Объект запроса доступен из объекта ответа, поэтому вы можете сделать следующее:

def parse(self, response):
    item['start_url'] = response.request.url
    
ответ дан gusridd 29.12.2015 в 04:57
источник
5

Вам нужно переопределить% co_de Base <%> функции , чтобы назначить start_url элементу, а затем используйте make_requests_from_url(url) специальные клавиши , чтобы передать этот элемент функции Request.meta

from scrapy.http import Request

    # override method
    def make_requests_from_url(self, url):
        item = MyItem()

        # assign url
        item['start_url'] = url
        request = Request(url, dont_filter=True)

        # set the meta['item'] to use the item in the next call back
        request.meta['item'] = item
        return request


    def parse(self, response):

        # access and do something with the item in parse
        item = response.meta['item']
        item['other_url'] = response.url
        return item

Надеюсь, что это поможет.

    
ответ дан NKelner 19.11.2013 в 23:06
источник
0

Вместо того, чтобы хранить URL-адрес запрашиваемого URL-адреса, а также обработанные обработкой URL-адреса, они не совпадают с тем, что указано в start_urls .

Используя ниже,

response.request.meta['redirect_urls']

предоставит вам список перенаправления, например ['http://requested_url','https://redirected_url','https://final_redirected_url']

Чтобы получить доступ к первому URL из списка выше, вы можете использовать

response.request.meta['redirect_urls'][0]

Подробнее см. doc.scrapy.org . упоминается как:

RedirectMiddleware

This middleware handles redirection of requests based on response status.

URL-адреса, которые запрос отправляет (при перенаправлении), можно найти в ключе redirect_urls Request.meta .

Надеюсь, это поможет вам

    
ответ дан Rohan Khude 13.12.2017 в 13:17
источник