python - 如何知道scrapy蜘蛛当前使用的是哪个用户代理？

Question

我想知道如何访问当前使用的用户代理。 例如，我想在此过程中在终端中打印:当前用户代理是 Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML，如 Gecko) Chrome/22.0.1207.1 Safari/537.1 或在日志文件中。我如何使用 scrapy 访问它？

版本:Scrapy 1.5.2

Answer 1

如果用户代理设置如下 solution

可以使用:

settings.py:

...
USER_AGENT_LIST = [
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36',...,
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36 OPR/48.0.2685.52'
]
...
DOWNLOADER_MIDDLEWARES = {
'chevaux_p_t.middlewares.RandomUserAgentMiddleware': 400,
'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware': None,
...
}

middlewares.py:

...
class RandomUserAgentMiddleware(object):

    def process_request(self, request, spider):
        ua = random.choice(settings.get('USER_AGENT_LIST'))
        if ua:
            request.headers.setdefault('User-Agent', ua)
            #One can do this to get the current user-agent used
            print("current user-agent:{}".format(request.headers[b'User-Agent']))
            logging.debug("current user-agent:{}".format(request.headers[b'User-Agent']))

使用这个solution无论是否，都可以使其出现在蜘蛛类的任何方法中，如下所示:

import logging
class Spider(scrapy.Spider):
    def a_method(self,response):
        print("current user-agent:{}".format(response.request.headers['User-Agent']))
        logging.debug("current user-agent:{}".format(response.request.headers['User-Agent']))

发生的变化是添加了响应。