1回答

Jazz_Qi

2019-02-13

可以的，在Crawl.py中类CrawlSpider的_requests_to_follow方法里会根据你自定义的spider.py中的rules(规则集)中的每个规则rule提取url，然后对每个url建立Request。建立Request的代码在67行的self._build_request方法，创建后的r(Request)又经过第68行yield rule.process_request(r)返回给scrapy的引擎，那么意味rule.process_request方法可以对创建后的r(Request，里面就有meta)进行调整。

总的来说你自定义的spider.py中的rules(规则集)中的每个规则rule的参数process_request传入的应该是一个处理函数，他会对设定follow=True时每个后续url产生的Request在yield给引擎之前进行修改，你可以在这里获取meta数据。

而且在使用self._build_request方法创建Request时也可以调整meta，代码53行r.meta.update(rule=rule, link_text=link.text)就刷新了meta数据，你可以在你自定义的spider.py中重写_build_request函数，但不建议对下划线开头的函数重写。

以上是个人理解，不知道是否有误，具体还请老师答案。

0

1

bobby

非常正确！ 理解的也很到位，确实如果只是为了完成这个功能的话，为了尽量少动代码 最好的就是重载_build_request这个方法，而且你提到的不建议重载_build_request说明对python的理解也很到位，不过为了完成功能当然也可以重载了，这里的以下划线开始的方法只是说明源码中不希望将这个方法重载，不过直接重载也是没有任何问题的，就看自己的取舍了

2019-02-13

共1条回复