【百度云搜索，搜各种资料:http://www.lqkweb.com】
【搜网盘，搜各种资料:http://www.swpan.cn】
Requests请求
Requests请求就是我们在爬虫文件写的 Requests()方法，也就是提交一个请求地址， Requests请求是我们自定义的 * *
Requests()方法提交一个请求
参数：
url= 字符串类型url地址
callback= 回调函数名称
method= 字符串类型请求方式，如果GET,POST
headers= 字典类型的，浏览器用户代理
cookies= 设置cookies
meta= 字典类型键值对，向回调函数直接传一个指定值
encoding= 设置网页编码
priority= 默认为0，如果设置的越高，越优先调度
dont_filter= 默认为False，如果设置为真，会过滤掉当前url
# -*- coding: utf-8 -*-
import scrapy
from scrapy.http import Request,FormRequest
import re
class PachSpider(scrapy.Spider): #定义爬虫类，必须继承scrapy.Spider
name = 'pach' #设置爬虫名称
allowed_domains = ['www.luyin.org/'] #爬取域名
# start_urls = [''] #爬取网址,只适于不需要登录的请求，因为没法设置cookie等信息
header = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0'} #设置浏览器用户代理
def start_requests(self): #起始url函数，会替换start_urls
"""第一次请求一下登录页面，设置开启cookie使其得到cookie，设置回调函数"""
return [Request(
url='http://www.luyin.org/',
headers=self.header,
meta={'cookiejar':1}, #开启Cookies记录，将Cookies传给回调函数
callback=self.parse
)]
def parse(self, response):
title = response.xpath('/html/head/title/text()').extract()
print(title)
Response响应
Response响应是由downloader返回的响应
Response响应参数
headers 返回响应头
status 返回状态吗
body 返回页面内容，字节类型
url 返回抓取url
# -*- coding: utf-8 -*-
import scrapy
from scrapy.http import Request,FormRequest
import re
class PachSpider(scrapy.Spider): #定义爬虫类，必须继承scrapy.Spider
name = 'pach' #设置爬虫名称
allowed_domains = ['www.luyin.org/'] #爬取域名
# start_urls = [''] #爬取网址,只适于不需要登录的请求，因为没法设置cookie等信息
header = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0'} #设置浏览器用户代理
def start_requests(self): #起始url函数，会替换start_urls
"""第一次请求一下登录页面，设置开启cookie使其得到cookie，设置回调函数"""
return [Request(
url='http://www.luyin.org/',
headers=self.header,
meta={'cookiejar':1}, #开启Cookies记录，将Cookies传给回调函数
callback=self.parse
)]
def parse(self, response):
title = response.xpath('/html/head/title/text()').extract()
print(title)
print(response.headers)
print(response.status)
# print(response.body)
print(response.url)
