scrapy头部修改的方法详解

被Scrapy自动添加的头部

在没有任何配置的情况下，scrapy会对请求默认加上一些头部信息

Scrapy会通过配置文件中的USER_AGENT配置，自动为头部添加User-Agent，这条配置会被任何包含User-Agent的配置覆盖

当请求经过下载器后，会被自动添加头部Accept-Encoding: gzip,deflate, 会被任意包含Accept-Encoding的头部配置覆盖

配置settings.py文件中默认的头部

#DEFAULT_REQUEST_HEADERS = {
# 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
# 'Accept-Language': 'en'
#}

当这个配置属于注释状态时，头部被设置为Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8与
Accept-Language: en，可以通过取消注释修改或增删其中的内容

优先级

• 会被Request和中间件中的头部配置覆盖
• 可以覆盖scrapy自动添加的User-Agent和Accept-Encoding
  

可以在爬虫中通过custom_settings设置配置仅在当前爬虫生效

class XXXSpider(scrapy.Spider):
 ...
 custom_settings = {
  DEFAULT_REQUEST_HEADERS = {...}
	}
 ....

在Request中设置头部

当给引擎返回Request时，可以为他配置头部

...
def parse(self):
  headers = {
    ...
  }
  
  yield scrapy.Request(url, headers=headers)

优先级

• Request中设置的header会和settings.py文件中的默认头部合并到一起，如果有重复的配置，那么会覆盖那条配置
• 会被中间件中的配置覆盖
  

在中间件中配置

当Request请求通过下载中间件发往下载器时，可以通过下载中间件配置头部

class XXXDownloaderMiddleware
  def process_request(self, request, spider):
	  request.headers["key"] = value
    return None

还需要在配置文件中启用下载中间价

DOWNLOADER_MIDDLEWARES = {
  'project.middlewares.XXXDownloaderMiddleware': 543,
}

优先级

• 会覆盖除了Referer以外的所有头部配置
  

referer中间件

当存在多次请求时，referer中间件会自动帮Request的头部中的referer加上上一次请求的url

优先级

• 最高，会在所有头部配置完之后，添加referer
• 除了只请求一次没有referer的情况，就算在其他头部配置中设置了referer也会被referer中间件覆盖
  

关闭referer中间件

在配置文件中添加REFERER_ENABLED=False即可关闭

优先级分析

Scrapy自动添加的User-Agent与Accept-Encoding < 配置文件中的默认配置DEFAULT_REQUEST_HEADERS < Request中修改的header < 中间件中添加的header < referer中间件添加的referer

此篇文章仅表示自己对scrapy的理解，如有错误欢迎指正