Scrapy Crawlspider中的deny设置无效?如何正确使用正则表达式进行URL过滤?

心靈之曲
发布: 2024-11-04 16:12:01
原创
957人浏览过

scrapy crawlspider中的deny设置无效?如何正确使用正则表达式进行url过滤?

scrapy crawlspider中的deny设置无效?

问题:使用rule设置了deny参数,但发现运行时仍然爬取了包含deny关键词的链接。例如,设置了deny=(“guba”、“data”...),但发现爬取了包含“guba”的链接。

解答:deny参数的设置需要遵循正则表达式语法。如果deny参数不是正则表达式,则只有当网址完全匹配deny关键词时才会被拒绝。

在给出的代码中,deny参数中的值(如“guba”、“data”)没有使用正则表达式语法。因此,只有当网址完全包含这些字符串时才会被拒绝。而“guba.eastmoney.com/list,of166401.html”这样的网址虽然包含“guba”,但不是完全匹配,所以不会被deny参数拒绝。

要正确使用deny参数,需要将其修改为正则表达式,例如:

deny=(r'guba', r'data')
登录后复制

以上就是Scrapy Crawlspider中的deny设置无效?如何正确使用正则表达式进行URL过滤?的详细内容,更多请关注php中文网其它相关文章!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号