Caching 如何在scrapy中禁用缓存?
我正在尝试对特定网站上的网页进行爬网。对于我通过Caching 如何在scrapy中禁用缓存?,caching,scrapy,Caching,Scrapy,我正在尝试对特定网站上的网页进行爬网。对于我通过scrapy.Request()发送的不同cookie集,该网页略有不同 如果我一个接一个地请求网页,它会给我正确的结果,但当我将这些cookies发送到for循环中时,它会给我相同的结果。我认为scrapy正在为我创建缓存,在第二个请求中,它从缓存中获取响应。以下是我的代码: def start_requests(self): meta = {'REDIRECT_ENABLED':True} productUrl
scrapy.Request()
发送的不同cookie集,该网页略有不同
如果我一个接一个地请求网页,它会给我正确的结果,但当我将这些cookies发送到for循环中时,它会给我相同的结果。我认为scrapy正在为我创建缓存,在第二个请求中,它从缓存中获取响应。以下是我的代码:
def start_requests(self):
meta = {'REDIRECT_ENABLED':True}
productUrl = "http://xyz"
cookies = [{'name': '', 'value': '=='},{'name': '', 'value': '=='}]
for cook in cookies:
header = {"User-Agent":"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.85 Safari/537.36"}
productResponse = scrapy.Request(productUrl,callback=self.parseResponse,method='GET',meta=meta,body=str(),cookies=[cook],encoding='utf-8',priority=0,dont_filter=True)
yield productResponse
def parseResponse(self,response):
selector = Selector(response)
print selector.xpath("xpaths here").extract()
yield None
我希望print语句对这两个请求给出不同的结果
如果有什么不清楚的地方,请在评论中提及。可以通过两种方式禁用缓存
这里我假设您只是想避免只缓存特定的请求 对于本例,这意味着避免在
start\u requests
下缓存这些请求,并缓存所有其他请求(可能在parseResponse
下)
为此,只需将productResponse.meta['dont_cache']=True
行添加到代码中,然后
在settings.py下设置HTTPCACHE\u ENABLED=True
现在,所有其他请求都将被缓存
def start_requests(self):
meta = {'REDIRECT_ENABLED':True}
productUrl = "http://xyz"
cookies = [{'name': '', 'value': '=='},{'name': '', 'value': '=='}]
for cook in cookies:
header = {"User-Agent":"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.85 Safari/537.36"}
productResponse = scrapy.Request(productUrl,callback=self.parseResponse,method='GET',
meta=meta,body=str(),cookies=[cook],
encoding='utf-8',priority=0,dont_filter=True)
productResponse.meta['dont_cache'] = True
yield productResponse
def parseResponse(self,response):
selector = Selector(response)
print selector.xpath("xpaths here").extract()
yield None
只需向请求url添加一个伪参数
随机导入
productUrl=”http://xyz“+”?dummy=“+str(random.random())
您可以通过查看每个请求的请求。标题来查看发送了哪些Cookie。您将有一个'Cookie':
条目。可能是因为您的旧Cookie一直存在,因为Scrapy在整个爬网过程中为每个站点保留一个cookiejar。若要禁用此功能,请在request.meta中添加'don\u merge\u cookies':True'
。有关更多详细信息,请参阅。FWIW,我在2中遇到了一个异常。-但它在以下情况下工作:-set HTTPCACHE_ENABLED=0