一. 举例
def parse(self, response):
...
yield Request(url=parse.urljoin(response.url, title_herf), meta=meta,
callback=self.parse_detail)
def parse_detail(self,response):
...
二. 原因
调试的时候,发现回调函数 parse_detail 没有被调用,这可能就是被过滤掉了,
查看 scrapy 的输出日志 offsite/filtered 会显示过滤的数目。
查看手册发现,
这些日志信息都是由 scrapy
中的一个 middleware
抛出的,
如果没有自定义,那么这个 middleware
就是默认的 Offsite Spider Middleware
,
它的目的就是过滤掉那些不在 allowed_domains
列表中的请求 requests
三. 解决
- 在 allowed_domains 中加入 url
- 在 scrapy.Request() 函数中将参数 dont_filter=True 设置为 True
def parse(self, response):
...
yield Request(url=parse.urljoin(response.url, title_herf), meta=meta,
callback=self.parse_detail,dont_filter=True)
-------------------------------------------------^
def parse_detail(self,response):
...
转载注明出处:www.meidanlong.com 😃