Python Scrapy 301 重定向

在抓取给定网站时，我在打印重定向网址（301 重定向后的新网址）时遇到了一些问题。我的想法是只打印它们而不刮掉它们。我当前的代码是：

import scrapy
import os
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor

class MySpider(CrawlSpider):
    name = 'rust'
    allowed_domains = ['example.com']
    start_urls = ['http://example.com']

    rules = (
        # Extract links matching 'category.php' (but not matching 'subsection.php')
        # and follow links from them (since no callback means follow=True by default).
        # Extract links matching 'item.php' and parse them with the spider's method parse_item
        Rule(LinkExtractor(), callback='parse_item', follow=True),
    )

    def parse_item(self, response):
        #if response.status == 301:
        print response.url

但是，这不会打印重定向的 url。任何帮助将不胜感激。

谢谢。

要解析任何不是 200 的响应，您需要执行以下操作之一：

项目范围

您可以设置设置HTTPERROR_ALLOWED_CODES = [301,302,...] in settings.py文件。或者，如果您想为所有代码启用它，您可以设置HTTPERROR_ALLOW_ALL = True反而。

蜘蛛范围

Add handle_httpstatus_list参数给你的蜘蛛。在你的情况下类似：

class MySpider(scrapy.Spider):
    handle_httpstatus_list = [301]
    # or 
    handle_httpstatus_all = True

请求范围

你可以设置这些meta您的请求中的关键信息handle_httpstatus_list = [301, 302,...] or handle_httpstatus_all = True对全部：

scrapy.request('http://url.com', meta={'handle_httpstatus_list': [301]})

要了解更多信息，请参阅HttpError中间件