介绍
Request类是网络一个http请求的类，对于爬虫而言是爬虫一个很重要的类。通常在Spider中创建这样的框架一个请求，在Downloader中执行这样的详解一个请求。同时也有一个子类FormRequest继承于它，网络用于post请求。爬虫
在Spider中通常用法：
yield scrapy.Request(url = zarten.com)类属性和方法有：
url method headers body meta copy() replace([url,框架 method, headers, body, cookies, meta, encoding, dont_filter, callback, errback])Request
class scrapy.http.Request(url[, callback, method=GET, headers, body, cookies, meta, encoding=utf-8, priority=0, dont_filter=False, errback, flags])参数说明:
url 请求的url callback 回调函数，用于接收请求后的详解返回信息，若没指定，网络则默认为parse()函数 method http请求的爬虫方式，默认为GET请求，框架一般不需要指定。详解若需要POST请求，网络用FormRequest即可 headers 请求头信息，爬虫一般在settings中设置即可，框架也可在middlewares中设置 body str类型，为请求体，一般不需要设置（get和post其实都可以通过body来传递参数，不过一般不用） cookies dict或list类型，请求的cookie dict方式(name和value的键值对)： cookies = {name1 : value1 , name2 : value2}list方式：
cookies = [ {name: Zarten, value: my name is Zarten, domain: example.com, path: /currency} ] encoding 请求的编码方式，默认为utf-8 priority int类型，指定请求的免费信息发布网优先级，数字越大优先级越高，可以为负数，默认为0 dont_filter 默认为False，若设置为True，这次请求将不会过滤（不会加入到去重队列中），可以多次执行相同的请求 errback 抛出错误的回调函数，错误包括404，超时，DNS错误等，***个参数为Twisted Failure实例 from scrapy.spidermiddlewares.httperror import HttpError from twisted.internet.error import DNSLookupError from twisted.internet.error import TimeoutError, TCPTimedOutError class ToScrapeCSSSpider(scrapy.Spider): name = "toscrape-css" # start_urls = [ # http://quotes.toscrape.com/, # ] start_urls = [ "http://www.httpbin.org/", # HTTP 200 expected "http://www.httpbin.org/status/404", # Not found error "http://www.httpbin.org/status/500", # server issue "http://www.httpbin.org:12345/", # non-responding host, timeout expected "http://www.httphttpbinbin.org/", # DNS error expected ] def start_requests(self): for u in self.start_urls: yield scrapy.Request(u, callback=self.parse_httpbin, errback=self.errback_httpbin, dont_filter=True) def parse_httpbin(self, response): self.logger.info(Got successful response from {}.format(response.url)) # do something useful here... def errback_httpbin(self, failure): # log all failures self.logger.info(repr(failure)) # in case you want to do something special for some errors, # you may need the failures type: if failure.check(HttpError): # these exceptions come from HttpError spider middleware # you can get the non-200 response response = failure.value.response self.logger.info(HttpError错误 on %s, response.url) elif failure.check(DNSLookupError): # this is the original request request = failure.request self.logger.info(DNSLookupError错误 on %s, request.url) elif failure.check(TimeoutError, TCPTimedOutError): request = failure.request self.logger.info(TimeoutError错误 on %s, request.url) flags list类型，一般不会用到，发送请求的标志，一般用于日志记录 meta 可用户自定义从Request到Response传递参数，这个参数一般也可在middlewares中处理 yield scrapy.Request(url = zarten.com, meta = {name : Zarten})在Response中：
my_name = response.meta[name]不过也有scrapy内置的特殊key，也非常有用，它们如下：
proxy 设置代理，一般在middlewares中设置可以设置http或https代理
request.meta[proxy] = https:// + ip:port downloadtimeout 设置请求超时等待时间（秒），通常在settings中设置DOWNLOADTIMEOUT，默认是180秒（3分钟） maxretrytimes ***重试次数（除去***次下载），默认为2次，通常在settings中 RETRY_TIMES设置 dont_redirect 设为True后，Request将不会重定向 dont_retry 设为True后，对于http链接错误或超时的请求将不再重试请求 handlehttpstatuslist http返回码200-300之间都是成功的返回，超出这个范围的WordPress模板都是失败返回，scrapy默认是过滤了这些返回，不会接收这些错误的返回进行处理。不过可以自定义处理哪些错误返回： yield scrapy.Request(url= https://httpbin.org/get/zarten, meta= {handle_httpstatus_list : [404]})在parse函数中可以看到处理404错误：
def parse(self, response): print(返回信息为：,response.text) handlehttpstatusall 设为True后，Response将接收处理任意状态码的返回信息 dontmergecookies scrapy会自动保存返回的cookies，用于它的下次请求，当我们指定了自定义cookies时，如果我们不需要合并返回的cookies而使用自己指定的cookies，可以设为True cookiejar 可以在单个spider中追踪多个cookie，它不是粘性的，需要在每次请求时都带上 def start_requests(self): urls = [http://quotes.toscrape.com/page/1, http://quotes.toscrape.com/page/3, http://quotes.toscrape.com/page/5, ] for i ,url in enumerate(urls): yield scrapy.Request(urlurl= url, meta= {cookiejar : i}) def parse(self, response): next_page_url = response.css("li.next > a::attr(href)").extract_first() if next_page_url is not None: yield scrapy.Request(response.urljoin(next_page_url), meta= {cookiejar : response.meta[cookiejar]}, callback= self.parse_next) def parse_next(self, response): print(cookiejar:, response.meta[cookiejar]) dont_cache 设为True后，不会缓存 redirect_urls 暂时还不清楚具体的作用，知道的小伙伴们欢迎在评论留言 bindaddress 绑定输出IP dontobeyrobotstxt 设为True，不遵守robots协议，通常在settings中设置 downloadmaxsize 设置下载器***下载的大小（字节），通常在settings中设置DOWNLOADMAXSIZE，默认为1073741824 (1024MB=1G)，若不设置***的下载限制，设为0 download_latency 只读属性，IT技术网获取请求的响应时间（秒） def start_requests(self): headers = { user-agent : Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36 } yield scrapy.Request(url= https://www.amazon.com, headersheaders= headers) def parse(self, response): print(响应时间为：, response.meta[download_latency]) downloadfailon_dataloss 很少用到，详情看这里 referrer_policy 设置Referrer PolicyFormRequest
FormRequest 类为Request的子类，用于POST请求
这个类新增了一个参数 formdata，其他参数与Request一样，详细可参考上面的讲述
一般用法为:
yield scrapy.FormRequest(url="http://www.example.com/post/action", formdata={name: Zarten, age: 27}, callback=self.after_post)(责任编辑：应用开发)
