背景简介:scrapy框架分为5+2结构,
5指的是spider模块、Engine模块、Scheduler(调度模块)、Downloader模块、PipleLine模块
2指的是DownloaderMiddleware和SpiderMiddleware
我探讨的问题是:在scrapy中定义的start_request()方法在什么时候被调用?
在工程执行时,start_request()会被自动调用一次,若其中只有一次yield,则在这一次就产生了Request(请求)。
若start_request()中有一个循环,有多个请求,那么这个方法第二次被调用时什么时候呢?
我在中间件中设置了一个延时函数(time.sleep(delay)),delay为一个随机时间,然后在这个函数后输出一个内容,用于让我知道这个延时函数已经运行完了。
然后运行程序,输出的结果为:
可以从图中看到是在执行了time.sleep()函数后,再进行的下一次请求。所以我猜测start_request()函数的再次被调用发生在上一次请求经过下载中间件,传给下载模块后。
我也通过显示字符串的方法,得知在Pipleline模块中的process_item函数被调用执行完成后,爬虫模块中的请求解析函数(parse)会被再次调用。