scrapy-redis源碼分析之發(fā)送POST請求詳解
1 引言
這段時間在研究美團爬蟲,用的是scrapy-redis分布式爬蟲框架,奈何scrapy-redis與scrapy框架不同,默認只發(fā)送GET請求,換句話說,不能直接發(fā)送POST請求,而美團的數(shù)據(jù)請求方式是POST,網(wǎng)上找了一圈,發(fā)現(xiàn)關于scrapy-redis發(fā)送POST的資料寥寥無幾,只能自己剛源碼了。
2 美團POST需求說明
先來說一說需求,也就是說美團POST請求形式。我們以獲取某個地理坐標下,所有店鋪類別列表請求為例。獲取所有店鋪類別列表時,我們需要構造一個包含位置坐標經(jīng)緯度等信息的表單數(shù)據(jù),以及為了向下一層parse方法傳遞的一些必要數(shù)據(jù),即meta,然后發(fā)起一個POST請求。
url:
請求地址,即url是固定的,如下所示:
url = 'http://i.waimai.meituan.com/openh5/poi/filterconditions?_=1557367197922'
url最后面的13位數(shù)字是時間戳,實際應用時用time模塊生成一下就好了。
表單數(shù)據(jù):
form_data = {
'initialLat': '25.618626',
'initialLng': '105.644569',
'actualLat': '25.618626',
'actualLng': '105.644569',
'geoType': '2',
'wm_latitude': '25618626',
'wm_longitude': '105644569',
'wm_actual_latitude': '25618626',
'wm_actual_longitude': '105644569'
}
meta數(shù)據(jù):
meta數(shù)據(jù)不是必須的,但是,如果你在發(fā)送請求時,有一些數(shù)據(jù)需要向下一層parse方法(解析爬蟲返回的response的方法)中傳遞的話,就可以構造這一數(shù)據(jù),然后作為參數(shù)傳遞進request中。
meta = {
'lat': form_data.get('initialLat'),
'lng': form_data.get('initialLng'),
'lat2': form_data.get('wm_latitude'),
'lng2': form_data.get('wm_longitude'),
'province': '**省',
'city': '**市',
'area': '**區(qū)'
}
3 源碼分析
采集店鋪類別列表時需要發(fā)送怎樣一個POST請求在上面已經(jīng)說明了,那么,在scrapy-redis框架中,這個POST該如何來發(fā)送呢?我相信,打開我這篇博文的讀者都是用過scrapy的,用scrapy發(fā)送POST肯定沒問題(重寫start_requests方法即可),但scrapy-redis不同,scrapy-redis框架只會從配置好的redis數(shù)據(jù)庫中讀取起始url,所以,在scrapy-redis中,就算重寫start_requests方法也沒用。怎么辦呢?我們看看源碼。
我們知道,scrapy-redis與scrapy的一個很大區(qū)別就是,scrapy-redis不再繼承Spider類,而是繼承RedisSpider類的,所以,RedisSpider類源碼將是我們分析的重點,我們打開RedisSpider類,看看有沒有類似于scrapy框架中的start_requests、make_requests_from_url這樣的方法。RedisSpider源碼如下:
class RedisSpider(RedisMixin, Spider): @classmethod def from_crawler(self, crawler, *args, **kwargs): obj = super(RedisSpider, self).from_crawler(crawler, *args, **kwargs) obj.setup_redis(crawler) return obj
很遺憾,在RedisSpider類中沒有找到類似start_requests、make_requests_from_url這樣的方法,而且,RedisSpider的源碼也太少了吧,不過,從第一行我們可以發(fā)現(xiàn)RedisSpider繼承了RedisMinxin這個類,所以我猜RedisSpider的很多功能是從父類繼承而來的(拼爹的RedisSpider)。繼續(xù)查看RedisMinxin類源碼。RedisMinxin類源碼太多,這里就不將所有源碼貼出來了,不過,驚喜的是,在RedisMinxin中,真找到了類似于start_requests、make_requests_from_url這樣的方法,如:start_requests、next_requests、make_request_from_data等。有過scrapy使用經(jīng)驗的童鞋應該都知道,start_requests方法可以說是構造一切請求的起源,沒分析scrapy-redis源碼之前,誰也不知道scrapy-redis是不是和scrapy一樣(后面打斷點的方式驗證過,確實一樣,話說這個驗證有點多余,因為源碼注釋就是這么說的),不過,還是從start_requests開始分析吧。start_requests源碼如下:
def start_requests(self): return self.next_requests()
呵,真簡潔,直接把所有任務丟給next_requests方法,繼續(xù):
def next_requests(self):
"""Returns a request to be scheduled or none."""
use_set = self.settings.getbool('REDIS_START_URLS_AS_SET', defaults.START_URLS_AS_SET)
fetch_one = self.server.spop if use_set else self.server.lpop
# XXX: Do we need to use a timeout here?
found = 0
# TODO: Use redis pipeline execution.
while found < self.redis_batch_size: # 每次讀取的量
data = fetch_one(self.redis_key) # 從redis中讀取一條記錄
if not data:
# Queue empty.
break
req = self.make_request_from_data(data) # 根據(jù)從redis中讀取的記錄,實例化一個request
if req:
yield req
found += 1
else:
self.logger.debug("Request not made from data: %r", data)
if found:
self.logger.debug("Read %s requests from '%s'", found, self.redis_key)
上面next_requests方法中,關鍵的就是那個while循環(huán),每一次循環(huán)都調(diào)用了一個make_request_from_data方法,從函數(shù)名可以函數(shù),這個方法就是根據(jù)從redis中讀取從來的數(shù)據(jù),實例化一個request,那不就是我們要找的方法嗎?進入make_request_from_data方法一探究竟:
def make_request_from_data(self, data): url = bytes_to_str(data, self.redis_encoding) return self.make_requests_from_url(url) # 這是重點,圈起來,要考
因為scrapy-redis默認值發(fā)送GET請求,所以,在這個make_request_from_data方法中認為data只包含一個url,但如果我們要發(fā)送POST請求,這個data包含的東西可就多了,我們上面美團POST請求說明中就說到,至少要包含url、form_data。所以,如果我們要發(fā)送POST請求,這里必須改,make_request_from_data方法最后調(diào)用的make_requests_from_url是scrapy中的Spider中的方法,不過,我們也不需要繼續(xù)往下看下去了,我想諸位都也清楚了,要發(fā)送POST請求,重寫這個make_request_from_data方法,根據(jù)傳入的data,實例化一個request返回就好了。
4 代碼實例
明白上面這些東西后,就可以開始寫代碼了。修改源碼嗎?不,不存在的,改源碼可不是好習慣。我們直接在我們自己的Spider類中重寫make_request_from_data方法就好了:
from scrapy import FormRequest
from scrapy_redis.spiders import RedisSpider
class MeituanSpider(RedisSpider):
"""
此處省略若干行
"""
def make_request_from_data(self, data):
"""
重寫make_request_from_data方法,data是scrapy-redis讀取redis中的[url,form_data,meta],然后發(fā)送post請求
:param data: redis中都去的請求數(shù)據(jù),是一個list
:return: 一個FormRequest對象
"""
data = json.loads(data)
url = data.get('url')
form_data = data.get('form_data')
meta = data.get('meta')
return FormRequest(url=url, formdata=form_data, meta=meta, callback=self.parse)
def parse(self, response):
pass
搞清楚原理之后,就是這么簡單。萬事俱備,只欠東風——將url,form_data,meta存儲到redis中。另外新建一個模塊實現(xiàn)這一部分功能:
def push_start_url_data(request_data):
"""
將一個完整的request_data推送到redis的start_url列表中
:param request_data: {'url':url, 'form_data':form_data, 'meta':meta}
:return:
"""
r.lpush('meituan:start_urls', request_data)
if __name__ == '__main__':
url = 'http://i.waimai.meituan.com/openh5/poi/filterconditions?_=1557367197922'
form_data = {
'initialLat': '25.618626',
'initialLng': '105.644569',
'actualLat': '25.618626',
'actualLng': '105.644569',
'geoType': '2',
'wm_latitude': '25618626',
'wm_longitude': '105644569',
'wm_actual_latitude': '25618626',
'wm_actual_longitude': '105644569'
}
meta = {
'lat': form_data.get('initialLat'),
'lng': form_data.get('initialLng'),
'lat2': form_data.get('wm_latitude'),
'lng2': form_data.get('wm_longitude'),
'province': '**省',
'city': '*市',
'area': '**區(qū)'
}
request_data = {
'url': url,
'form_data': form_data,
'meta': meta
}
push_start_url_data(json.dumps(request_data))
在啟動scrapy-redis之前,運行一下這一模塊即可。如果有很多POI(地理位置興趣點),循環(huán)遍歷每一個POI,生成request_data,push到redis中。這一循環(huán)功能就你自己寫吧。
5 總結(jié)
沒有什么是擼一遍源碼解決不了的,如果有,就再擼一遍!
好了,以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值,謝謝大家對腳本之家的支持。
相關文章
如何在Python函數(shù)執(zhí)行前后增加額外的行為
有的時候會需要在函數(shù)前后添點額外的功能(比如過濾、計時等)時,以前總是首先想到裝飾器。最近學習了Python的上下文管理器,所以本文就給大家介紹了如何在Python函數(shù)執(zhí)行前后增加額外的行為,有需要的朋友們可以參考借鑒,下面來一起看看吧。2016-10-10
Python使用qrcode庫實現(xiàn)生成二維碼的操作指南
二維碼是一種廣泛使用的二維條碼,因其高效的數(shù)據(jù)存儲能力和易于掃描的特點,廣泛應用于支付、身份驗證、營銷推廣等領域,Python qrcode 庫是一個生成二維碼的工具,它能夠幫助我們輕松地生成二維碼,在本文中,我們將深入解析 qrcode 庫的使用方法及其實際應用2025-01-01
Python自動化辦公Excel模塊openpyxl原理及用法解析
這篇文章主要介紹了Python自動化辦公Excel模塊openpyxl原理及用法解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-11-11
PyQt5中QCommandLinkButton的詳細教程與應用實戰(zhàn)
在PyQt5中,QCommandLinkButton是一個特殊的按鈕控件,它最初在Windows Vista中引入,并因其獨特的外觀和功能在GUI應用程序中得到了廣泛應用,本教程將結(jié)合實際案例,詳細介紹QCommandLinkButton在PyQt5中的用法,需要的朋友可以參考下2024-07-07
python處理csv數(shù)據(jù)動態(tài)顯示曲線實例代碼
這篇文章主要介紹了python處理csv數(shù)據(jù)動態(tài)顯示曲線實例代碼,分享了相關代碼示例,小編覺得還是挺不錯的,具有一定借鑒價值,需要的朋友可以參考下2018-01-01
python中小數(shù)點后取2位(四舍五入)及取2位(四舍五不入)的方法
這篇文章主要給大家介紹了python中小數(shù)點后取2位(四舍五入)及取2位(四舍五不入)的方法,在Python中取兩位小數(shù)的方法其實非常簡單,需要的朋友可以參考下2023-08-08

