scrapy redis原始碼解讀之傳送POST請求

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，預設只傳送get請求，換句話說，不能直接傳送post請求，而美團的資料請求方式是post，網上找了一圈，發現關於scrapy-redis傳送post的資料寥寥無幾，只能自己剛原始碼了。

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座標下，所有店鋪類別列表請求為例。獲取所有店鋪類別列表時，我們需要構造乙個包含位置座標經緯度等資訊的表單資料，以及為了向下一層parse方法傳遞的一些必要資料，即meta，然後發起乙個post請求。

url：

url = ''

url最後面的13位數字是時間戳，實際應用時用time模組生成一下就好了。

表單資料：

'''
'''form_data =

meta資料：

meta資料不是必須的，但是，如果你在傳送請求時，有一些資料需要向下一層parse方法（解析爬蟲返回的response的方法）中傳遞的話，就可以構造這一資料，然後作為引數傳遞進request中。

meta =

採集店鋪類別列表時需要傳送怎樣乙個post請求在上面已經說明了，那麼，在scrapy-redis框架中，這個post該如何來傳送呢？我相信，開啟我這篇博文的讀者都是用過scrapy的，用scrapy傳送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資料庫中讀取起始url，所以，在scrapy-redis中，就算重寫start_requests方法也沒用。怎麼辦呢？我們看看原始碼。

我們知道，scrapy-redis與scrapy的乙個很大區別就是，scrapy-redis不再繼承spider類，而是繼承redisspider類的，所以，redisspider類原始碼將是我們分析的重點，我們開啟redisspider類，看看有沒有類似於scrapy框架中的start_requests、make_requests_from_url這樣的方法。redisspider原始碼如下：

'''
'''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

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：

'''
'''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
# ***: 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) # 根據從redis中讀取的記錄，例項化乙個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迴圈，每一次迴圈都呼叫了乙個make_request_from_data方法，從函式名可以函式，這個方法就是根據從redis中讀取從來的資料，例項化乙個request，那不就是我們要找的方法嗎？進入make_request_from_data方法一**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預設值傳送get請求，所以，在這個make_request_from_data方法中認為data只包含乙個url，但如果我們要傳送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，如果我們要傳送post請求，這裡必須改，make_request_from_data方法最後呼叫的make_requests_from_url是scrapy中的spider中的方法，不過，我們也不需要繼續往下看下去了，我想諸位都也清楚了，要傳送post請求，重寫這個make_request_from_data方法，根據傳入的data，例項化乙個request返回就好了。

明白上面這些東西後，就可以開始寫**了。修改原始碼嗎？不，不存在的，改原始碼可不是好習慣。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]，然後傳送post請求
:param data: redis中都去的請求資料，是乙個list
:return: 乙個formrequest物件
"""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

搞清楚原理之後，就是這麼簡單。萬事俱備，只欠東風——將url，form_data，meta儲存到redis中。另外新建乙個模組實現這一部分功能：

def push_start_url_data(request_data):
"""將乙個完整的request_data推送到redis的start_url列表中
:param request_data: 
:return:
"""r.lpush('meituan:start_urls', request_data)  
if __name__ == '__main__':
url = ''
form_data = 
meta = 
request_data = 
push_start_url_data(json.dumps(request_data))

在啟動scrapy-redis之前，執行一下這一模組即可。如果有很多poi（地理位置興趣點），迴圈遍歷每乙個poi，生成request_data，push到redis中。這一迴圈功能就你自己寫吧。

沒有什麼是擼一遍原始碼解決不了的，如果有，就再擼一遍！

scrapy redis原始碼解讀之傳送POST請求

scrapy redis原始碼困惑記錄

azkaban web server原始碼解析

JDK LinkedHashMap原始碼解析

scrapy redis原始碼解讀之傳送POST請求

scrapy redis原始碼困惑記錄

azkaban web server原始碼解析

JDK LinkedHashMap原始碼解析

相關推薦