目录

一、从一个真实的爬虫痛点说起

二、hooks 参数究竟是什么？

三、利用钩子解耦数据处理逻辑

四、多个钩子协作：构建处理流水线

五、用 Session 对象全局配置 hooks（生产环境推荐）

六、完整案例：一个健壮的电商爬虫模块

七、钩子的局限性与避坑指南

八、与其他“拦截”方式的对比

九、实战：爬取动态 JSON API 并自动扁平化嵌套字段

一、从一个真实的爬虫痛点说起

大概在两个月前，我接了一个小任务：需要从一个公开的 API 抓取商品数据。接口返回的是 JSON，但返回的数据结构有点奇怪——有些字段是空字符串，有些字段应该是数字却返回了"null"，时间戳还是秒级需要转成毫秒，而且每次请求后我必须检查状态码自定义字段（不是 HTTP 状态码，而是业务层面的code）。

我当时写的代码大概是这样的：

python

import requests def fetch_product(product_id): url = f"https://api.example.com/product/{product_id}" resp = requests.get(url) data = resp.json() if data.get('code') != 200: raise Exception(f"业务错误: {data.get('msg')}") product = data.get('data', {}) # 清洗 price 字段 if product.get('price') == 'null' or product.ge