1.有时候scrapy运行一半就卡死,不动,但是scrapy持久化的操作又不够人性化,所以一直没有用,因此每次卡死就得重新再爬数据,要了老命了,最后查文档,看博客,搞了半天才意思到是我requests命令没加timeout=10这个,导致无限connection,因此假死,加上之后,妥了。
2.不用再scrapy里面用requests,接上文,没有requests就没有上面的第1问题了,谨记,用meta在yield Request传递数据
3.当我们使用下载中间件的process_钩子函数(例如process_response)时,return request的request是到了schedule队列中了,所以他的访问需要你运行并下载完队列前面url之后才会下载,所以,这个逻辑要明白,而不是立即下载。
4.还有就是代码需要把耦合性降低,不能合在一起。
5.以后再也不能信产品经理的需求文档,写不清楚,还得让我又改。