scrapy-redis去重失效的四大原因：dupefilter_class路径错误、redis连接失败、jobdir配置冲突、请求指纹未归一化，均会导致静默降级为内存去重。
DUPEFILTER_CLASS 配置没生效或写错路径
Scrapy 默认用 scrapy.dupefilter.RFPDupeFilter，但 Scrapy-Redis 的去重必须显式启用 scrapy_redis.dupefilter.RFPDupeFilter。漏掉引号、大小写错（比如写成 RfpDupeFilter）、路径少个下划线，都会导致配置静默失败，回退到内存去重。
检查 settings.py 中这行是否完整且无拼写错误：
DUPEFILTER_CLASS = 'scrapy_redis.dupefilter.RFPDupeFilter'
常见错误包括：
- 写成
scrapy_redis.dupefilter.RfpDupeFilter（首字母小写） - 漏掉引号，变成
DUPEFILTER_CLASS = scrapy_redis.dupefilter.RFPDupeFilter - 路径写成
scrapy_redis.RFPDupeFilter（少了dupefilter.）
Redis 连接失败导致自动 fallback 到本地去重
只要 REDIS_URL 不通，RFPDupeFilter 就无法写入/查询 Redis 的 SET，它会悄悄退化为内存去重——此时所有节点各自维护独立集合，自然无法跨机器去重。
验证方式很简单：
- 运行
redis-cli -u redis://localhost:6379 ping，必须返回PONG - 检查日志里有没有
Connected to Redis类似提示；没有？大概率连不上 - 注意：连接失败时通常不报错，只在首次调用
request_seen时静默降级
JOBDIR 配置干扰了 Redis 去重
JOBDIR 是 Scrapy 本地持久化去重记录的路径，一旦设置，它会优先接管去重逻辑，直接绕过 RFPDupeFilter 和 Redis。
如果你同时写了：
DUPEFILTER_CLASS = 'scrapy_redis.dupefilter.RFPDupeFilter'<br>JOBDIR = './jobdir'
那去重实际走的是 JOBDIR/requests.seen 文件，和 Redis 完全无关。解决方法只有两个：
- 删掉
JOBDIR配置（推荐，分布式场景不该依赖本地文件） - 或者确认你真需要本地断点续爬，且接受它与 Redis 去重互斥
请求指纹被意外改变，导致“同一 URL”算作不同请求
RFPDupeFilter 的去重依据是 request_fingerprint()，它对 URL、HTTP 方法、body、headers、cookies 全部敏感。哪怕只是 headers 多了个 User-Agent 或 query 参数带了个随机 ts=1725285840，指纹就变了。
典型场景：
- 手动构造 Request 时加了动态
headers或meta - 用了
response.follow(url, dont_filter=False)但没清理掉原响应带过来的随机参数 - 目标页要求带时间戳才能访问，但你没在去重前标准化 URL（比如正则去掉
&r=\d+\.\d+）
这时得自定义 dupefilter，重写 request_seen 方法，在计算指纹前先归一化 URL 或 body。
最容易被忽略的是：去重是否生效，根本没法靠“看日志有没有报错”来判断。它不报错、不警告，只默默失效——所以每次改完配置，务必用 redis-cli 查 SMEMBERS myspider:dupefilter 确认指纹真存进去了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
