使用缓存机制可减少重复请求，提升爬虫效率。1. 文件系统缓存：按URL哈希命名文件，检查本地缓存是否存在且未过期，避免重复请求；2. HTTP条件请求：利用ETag和Last-Modified头发送If-None-Match或If-Modified-Since实现304响应复用；3. requests-cache库：支持SQLite、Redis等后端，自动处理缓存逻辑，简化集成。应根据项目规模选择策略：小项目用文件缓存，多进程用Redis/SQLite，追求兼容性启用HTTP头校验，合理设置过期时间并定期清理缓存。
在编写Python爬虫时，频繁向服务器发送重复请求不仅会增加网络开销，还可能触发反爬机制。使用缓存机制能有效减少重复请求，提升爬取效率，同时降低对目标服务器的压力。下面介绍几种实用的缓存策略与实现方法。
使用文件系统缓存保存响应内容
将每次请求的响应结果（如HTML、JSON）保存到本地文件中，下次请求相同URL时优先读取缓存文件。
可以按URL的哈希值命名文件，避免特殊字符问题：
- 请求前先计算URL的MD5或SHA1作为文件名
- 检查是否存在对应缓存文件且未过期
- 若存在则直接读取内容，跳过网络请求
- 否则发起请求并保存响应到文件
示例代码片段：
立即学习“Python免费学习笔记（深入）”；
import hashlib import requests from pathlib import Pathdef get_cache_path(url): name = hashlib.md5(url.encode()).hexdigest() return Path("cache") / f"{name}.html"
def cached_get(url, timeout=3600): cache_file = get_cache_path(url) if cache_file.exists(): if time.time() - cache_file.stat().st_mtime < timeout: return cache_file.read_text(encoding="utf-8")
resp = requests.get(url) resp.raise_for_status() cache_file.parent.mkdir(exist_ok=True) cache_file.write_text(resp.text, encoding="utf-8") return resp.text利用HTTP缓存头实现条件请求
很多网站支持ETag和Last-Modified头部，可通过If-None-Match或If-Modified-Since发起条件请求。
如果资源未更新，服务器返回304 Not Modified，不传输正文，节省带宽。
- 首次请求记录响应头中的ETag和Last-Modified值
- 后续请求带上对应的If-None-Match或If-Modified-Since头
- 处理304响应时复用旧数据
requests库配合requests-cache可自动处理这些逻辑。
使用requests-cache简化缓存管理
requests-cache是一个第三方库，能为requests添加透明缓存功能，支持多种后端（SQLite、Redis、内存等）。
安装方式：
pip install requests-cache启用缓存非常简单：
import requests_cache requests_cache.install_cache('webcache', backend='sqlite', expire_after=3600)之后所有requests请求都会自动缓存
response = requests.get('https://www.php.cn/link/4d2fe2e8601f7a8018594d98f28706f2')
该库自动处理过期、重复请求和HTTP缓存头，适合快速集成。
根据场景选择合适的缓存策略
不同项目对缓存的需求不同，需结合实际选择：
- 小型项目或单机运行可用文件缓存+时间过期
- 需要共享缓存或多进程访问可选Redis或SQLite
- 追求标准兼容性建议启用ETag条件请求
- 开发调试阶段可开启缓存避免反复抓取
注意设置合理的缓存有效期，动态内容应缩短过期时间，静态资源可适当延长。
基本上就这些。合理使用缓存不仅能加快爬虫速度，还能更友好地对待目标站点。关键是根据需求选择合适的方式，并做好缓存清理和更新逻辑。
