如何基于scrapy中的URL过滤重复的请求

如何基于scrapy中的URL过滤重复的请求,第1张

如何基于scrapy中的URL过滤重复的请求

你可以编写用于重复删除的自定义中间件并将其添加到设置

import osfrom scrapy.dupefilter import RFPDupeFilterclass CustomFilter(RFPDupeFilter):"""A dupe filter that considers specific ids in the url"""    def __getid(self, url):        mm = url.split("&refer")[0] #or something like that        return mm    def request_seen(self, request):        fp = self.__getid(request.url)        if fp in self.fingerprints: return True        self.fingerprints.add(fp)        if self.file: self.file.write(fp + os.linesep)

然后,你需要在settings.py中设置正确的DUPFILTER_CLASS

DUPEFILTER_CLASS = 'scraper.duplicate_filter.CustomFilter'

在那之后它应该工作



欢迎分享,转载请注明来源:内存溢出

原文地址:https://54852.com/zaji/4897683.html

(0)
打赏 微信扫一扫微信扫一扫 支付宝扫一扫支付宝扫一扫
上一篇 2022-11-12
下一篇2022-11-12

发表评论

登录后才能评论

评论列表(0条)

    保存