Scrapy框架的去重机制

今天在做了个练习,爬取一个新闻列表页的所有新闻内容。

在爬取的时候发现少了两条数据,找了半天才发现该网站的前一页最后两条新闻默认为下一页的前两条。

看一下控制台scrapy的log,可以发现:no more duplicates will be shown (see DUPEFILTER_DEBUG to show all duplicate)

大概意思是不再显示重复的内容。

原来Scrapy有默认的去重机制,先上结论:

scrapy.Request(url, meta={'item': news_item}, callback=self.parse2, dont_filter=True)

找到Request类:

默认是False,改为True就不去重了。

 

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值