一 Request对象
①构造函数Request(url[, callback, method='GET', headers, body, cookies,
meta,encoding='utf-8', priority=0, dont_filter=False, errback])
(Ⅰ)url(必选) 请求页面的url地址，bytes或str类型，如'http://www.python.org/doc'。
(Ⅱ)callback 页面解析函数， Callable类型，Request对象请求的页面下载完成后，由该参数指定的页面解析函数被调用。如果未传递该参数，默认调用Spider的parse方法。
(Ⅲ)method HTTP请求的方法，默认为'GET'。
(Ⅳ)headers HTTP请求的头部字典，dict类型，例如{'Accept': 'text/html', 'User-Agent':Mozilla/5.0'}。如果其中某项的值为None，就表示不发送该项HTTP头部，例如{'Cookie': None}，禁止发送Cookie。
(Ⅴ)body HTTP请求的正文，bytes或str类型。
(Ⅵ)cookies Cookie信息字典，dict类型，例如{'currency': 'USD', 'country': 'UY'}。
(Ⅶ)meta Request的元数据字典，dict类型，用于给框架中其他组件传递信息，比如中间件Item Pipeline。其他组件可以使用Request对象的meta属性访问该元数据字典（request.meta），也用于给响应处理函数传递信息，详见Response的meta属性。
(Ⅷ)encoding url和body参数的编码默认为'utf-8'。如果传入的url或body参数是str类型，就使用该参数进行编码。
(Ⅸ)priority 请求的优先级默认值为0，优先级高的请求优先下载。
(Ⅹ)dont_filter 默认情况下（dont_filter=False），对同一个url地址多次提交下载请求，后面的请求会被去重过滤器过滤（避免重复下载）。如果将该参数置为True，可以使请求避免被过滤，强制下载。例如，在多次爬取一个内容随时间而变化的页面时（每次使用相同的url），可以将该参数置为True
(XI)errback 请求出现异常或者出现HTTP错误时（如404页面不存在）的回调函数。
除了url其他参数都有默认值可以根据需求进行设置
二response对象
①HtmlResponse 对象的属性及方法
(Ⅰ)url HTTP响应的url地址，str类型。
(Ⅱ)status HTTP响应的状态码，int类型，例如200，404。
(Ⅲ)headers HTTP响应的头头部，类字典类型，可以调用get或getlist方法对其进行访问，例如：response.headers.get('Content-Type') /response.headers.getlist('Set-Cookie')
(Ⅳ)body HTTP响应正文，bytes类型。
(Ⅴ)text 文本形式的HTTP响应正文，str类型，它是由response.body使用response.encoding解码得到的，即reponse.text = response.body.decode(response.encoding)
(Ⅵ)encoding HTTP响应正文的编码，它的值可能是从HTTP响应头部或正文中解析出来的。
(Ⅶ)request 产生该HTTP响应的Request对象。
(Ⅷ)meta 即response.request.meta，在构造Request对象时，可将要传递给响应处理函数的信息通过meta参数传入；响应处理函数处理响应时，通过response.meta将信息取出。
(Ⅸ)selector Selector对象用于在Response中提取数据
(Ⅹ)xpath(query) 使用XPath选择器在Response中提取数据，实际上它response.selector.xpath方法的快捷方式
(XI)css(query) 使用CSS选择器在Response中提取数据，实际上它是response.selector.css方法的快捷方式（选择器相关话题在后面章节详细讲解）。
(XⅡ)urljoin（url）用于构造绝对url。当传入的url参数是一个相对地址时，根据response.url计算出相应的绝对url。例如，response.url为http://www.example.com/a，url为b/index.html，调用response.urljoin(url)的结果为http://www.example.com/a/b/index.html。
常用的方法
xpath(query)
css(query)
urljoin(url)
前两个方法用于提取数据，后一个方法用于构造绝对url。
三实现spider
①集成scrapy.Spider
import scrapy
class BooksSpider(scrapy.Spider)
②为Spider命名
name = "books"
③设定爬虫起始点
start_urls = ['http://books.toscrape.com/']
④页面解析
代码
网友评论