python爬虫翻页_Scrapy爬虫框架实现翻页提取数据 定位下一页的URL并发送Get请求...

scrapy框架爬虫感觉最关键的就是实现翻页请求了。我们在使用requests模块的时候，想要实现翻页，就需要找到下一页的url地址，然后再次使用requests.get()请求就可以了。那么在scrapy中，实现翻页操作，肯定首先需要找到下一页的url地址，然后构造一个关于下一页url地址的request请求传递给调度器，这里主要使用scrapy.Request()方法发送请求，我们来看一下具体的参数:

scrapy.Request(url ,

callback,

method='GET',

headers,

body,

cookies,

meta,

dont_filter=False

)

一般文档中括号中的参数表示可选参数。其中需要重点注意的参数:

callback：指定传入的url交给那个解析函数去处理

meta：实现在不同的解析函数中传递数据。meta默认会携带部分信息，比如：下载延迟，请求深度等。

dont_filter：让Scrapy的去重不会过滤当前url。Scrapy默认有url去重的功能，对需要重复请求的url具有重要意义。

我们可以发现scrapy.Request( )参数中存在headers和cookies，通常我们使用requests.get( )的时候可以把cookies放到headers中去，这个是没有问题的，但是在Scrapy中是不可以把cookies放入headers中去的，不然为什么会有两个参数，这不是多余吗，你也可以自己试试，把cookies放到headers中去，是没有任何效果的。

def parse(self, response):

next_page_url = response.xpath("//a[text()='下一页']/@href").extract()

while len(next_page_url) > 0:

yield scrapy.Request(next_page_url, callback=self.parse)

# scrapy.Request能构建一个requests，同时指定提取数据的callback函数

具体想要实现翻页，请求详情页，具体的代码就需要在爬虫spider中编写代码。那么我们通过一个案例来演示如何实现翻页，以及请求详情页数据。