小编典典

当项目获得空字段时,如何重试请求n次?

scrapy

我正在尝试抓取一系列网页,但出现了漏洞,有时似乎网站无法正确发送html响应。这导致csv输出文件中包含空行。当响应上的xpath选择器为空时,如何重试n次请求和解析?请注意,我没有任何HTTP错误。


阅读 486

收藏
2020-04-09

共1个答案

小编典典

你可以使用Custom Retry Middleware来做到这一点,你只需要覆盖process_response当前Retry Middleware的方法即可:

from scrapy.downloadermiddlewares.retry import RetryMiddleware
from scrapy.utils.response import response_status_message


class CustomRetryMiddleware(RetryMiddleware):

    def process_response(self, request, response, spider):
        if request.meta.get('dont_retry', False):
            return response
        if response.status in self.retry_http_codes:
            reason = response_status_message(response.status)
            return self._retry(request, reason, spider) or response

        # this is your check
        if response.status == 200 and response.xpath(spider.retry_xpath):
            return self._retry(request, 'response got xpath "{}"'.format(spider.retry_xpath), spider) or response
        return response

然后启用它,而不是默认RetryMiddlewaresettings.py

DOWNLOADER_MIDDLEWARES = {
    'scrapy.downloadermiddlewares.retry.RetryMiddleware': None,
    'myproject.middlewarefilepath.CustomRetryMiddleware': 550,
}

现在,你有了一个中间件,你可以在其中配置,xpath以使用属性在Spider内部重试retry_xpath

class MySpider(Spider):
    name = "myspidername"

    retry_xpath = '//h2[@class="tadasdop-cat"]'
    ...

当“项目”的字段为空时,这不一定会重试,但是你可以在此retry_xpath属性中指定该字段的相同路径以使其起作用。

2020-04-09