scrapy下载中间件的调用顺序以及返回值
本篇博文用以探索scrapy运行时调用下载中间件的调用顺序以及相应的返回值时的变化。
步骤1
运行一个正常的scrapy爬虫程序,示例代码如下`
import scrapy
class Test1Spider(scrapy.Spider):
name = ‘test1’
start_urls = [‘http://www.baidu.com/’]
def parse(self, response):
print('spider运行')
if name == ‘main’:
from scrapy import cmdline
cmdline.execute(‘scrapy crawl test1’.split())`
当爬虫运行结束时,截取到的下载中间件运行的info如下:
步骤2
注销默认的中间件,并根据中间件的优先级添加测试中间件,如图所示:
在中间件中,统一设置成打印优先级编号,以及处理的函数名,如图所示:
步骤3
接着打开所有的测试中间件,打印出正常情况下的中间件的调用顺序,如图所示:
结论1:在不出现异常的情况下,先调用从优先级高(数字少)的中间件下的process_request到优先级低(数字大)的中间件下的process_requests;再从优先级低的中间件下的process_response到优先级高的中间件下的process_response。
步骤4
更改process_request,process_response的条件或者返回不同对象,查看调用顺序。
1,在处理request函数中加入条件,并返回request。
执行结果如图:
2,在处理request函数中加入条件,并返回spider对象。
执行的结果如图:
3,在处理request函数中加入条件,并返回response对象。
执行结果如图:
4,在处理response函数中加入条件,满足条件返回request对象否则返回response对象。
执行结果如图所示:
5,在处理response函数中加入条件,满足条件返回spider对象否则返回response对象。
执行结果如图:
6,在处理异常的函数中添加条件,并返回request对象。
执行结果为正常显示。
7,在request函数抛出一个异常,在处理异常函数中添加条件,并返回request对象。
执行结果如图所示:
8,在request函数抛出一个异常,在处理函数中添加条件,处理异常返回响应,否则返回request对象。
执行结果如图所示:
9,在request函数抛出一个异常,在处理函数中添加条件,处理异常返回字符对象,否则返回request对象。
执行结果如图所示:
结论2:scrapy在处理process_request函数时可以返回的对象是None,Request,Response;在处理process_response函数时可以返回的对象是Request,Response;在处理process_exception时,可以返回的是None,Request,Response。
结论3:当返回的对象是request,scrapy重新调度request从优先级高的中间件到低的中间件;当返回的是response,scrapy调度从优先级低的中间件process_response到优先级高的中间件process_response;当抛出异常,scrapy调度从优先级低的中间件process_exception到优先级高的中间件process_exception。
总结
以上是从一个简单的测试例子看scrapy在运行时调度下载中间件的顺序,以及返回对象不同时怎样的变化。技术有限,有误的地方忘提出,定加以修改。