zg手册 之 scrapy 开发（3）-- 下载中间件

http://my.oschina.net/hopez/blog/214238

下载中间件功能

这是处于引擎和下载器之间的一层组件，可以有多个下载中间件被加载运行， 在引擎传递请求给下载器的过程中，下载中间件可以对请求进行处理 （例如增加http header信息等）， 在下载器完成http请求，传递响应给引擎的过程中， 下载中间件可以对响应进行处理（例如进行gzip的解压等）

scrapy框架自带的下载中间件

1. CookiesMiddleware 跟踪处理 cookie
2. DownloadTimeoutMiddleware 设置请求超时时间
3. 其他下载中间件

scrapy 下载中间件的开启情况

1. 查看 /usr/local/lib/python2.7/dist-packages/scrapy/settings/default_settings.py 默认配置文件，变量 DOWNLOADER_MIDDLEWARES_BASE 的定义
2. 有些中间件有开关参数，例如 COOKIES_ENABLED 控制 CookiesMiddleware 开启或关闭

开发下载中间件，丢弃响应数据长度等于100的数据

1. 创建 middlewares 目录（与 settings.py 文件在同一目录下）
2. 在目录下创建 mymiddlewares.py 文件，创建类 CustomMiddlewares，下载中间件的类继承自 scrapy.contrib.downloadermiddleware.DownloaderMiddleware
3. DownloaderMiddleware 主要提供如下的方法
   1. process_request 在请求传递给下载器前可以处理请求对象
   2. process_response 在响应传递给引擎前处理响应数据
   3. process_exception 处理异步调用时发生的异常情况
4. 在 mymiddlewares.py 文件中添加下面代码

from scrapy.exceptions import IgnoreRequest
 from scrapy.contrib.downloadermiddleware import DownloaderMiddleware
 class CustomMiddlewares(DownloaderMiddleware):
     def process_response(self, request, response, spider):
         if len(response.body) == 100:
             return IgnoreRequest("body length == 100")
         else:
             return response

1. 在配置文件 settings.py 中配置下载中间件

DOWNLOADER_MIDDLEWARES = {
               "douban.middlerwares.mymiddlewares.CustomMiddlewares": 543,
               }

1. 运行 scrapy crawl doubanBook

原文链接： http://www.hopez.org/blog/9/1396102884