爬虫日记(87)：Scrapy的RFPDupeFilter类(一）

前面已经分析了调度器的入队代码，在这里会调用RFPDupeFilter类的功能，用来判断两个下载的url请求是否相同，如果相同，并且参数设置为去重时，就会不再下载，这样避免了重复下载同样的url页面。接着下来我们来分析怎么样实现url相同的判断，是否直接采用字符串相同的判断？还是有什么方法进行判断呢？要解决这些疑问，我们需要把这些代码分析一轮，才能搞明白为什么这样设计，以及这样实现有什么优点。

在开始分析之前，我们先来学习一下python怎么样方便记录一个对象已经查看过。由于一个对象有很多属性，但是唯有一个ID是没有办法的，只要保存这个ID值，就可以判断这个对象是否处理过，这是一种方案。不过在python库里提供了一种更加方便的方案，可以采用弱引用来关注一个对象是否存在，意思就是说这个对象保存在这个容器里，只保证它存在时的有效性，如果对象删除了，在这个容器里也同步删除。这样就可以省了删除的管理操作，不需要增加引用计数。这时需要使用weakref库，这个库实现了一个对象WeakKeyDictionary，