scrapy-splash简单使用详解

作者:zhu6201976-朱华龙 时间:2023-06-02 15:22:37 

1.scrapy_splash是scrapy的一个组件

scrapy_splash加载js数据基于Splash来实现的

Splash是一个Javascrapy渲染服务,它是一个实现HTTP API的轻量级浏览器,Splash是用Python和Lua语言实现的,基于Twisted和QT等模块构建

使用scrapy-splash最终拿到的response相当于是在浏览器全部渲染完成以后的网页源代码

2.scrapy_splash的作用

scrpay_splash能够模拟浏览器加载js,并返回js运行后的数据

3.scrapy_splash的环境安装

3.1 使用splash的docker镜像

docker info 查看docker信息

docker images  查看所有镜像

docker pull scrapinghub/splash  安装scrapinghub/splash

docker run -p 8050:8050 scrapinghub/splash &  指定8050端口运行

3.2.pip install scrapy-splash

3.3.scrapy 配置:


 SPLASH_URL = 'http://localhost:8050'
 DOWNLOADER_MIDDLEWARES = {
   'scrapy_splash.SplashCookiesMiddleware': 723,
   'scrapy_splash.SplashMiddleware': 725,
   'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
 }
 SPIDER_MIDDLEWARES = {
   'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
 }
 DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'
 HTTPCACHE_STORAGE = 'scrapy_splash.SplashAwareFSCacheStorage'

3.4.scrapy 使用


from scrapy_splash import SplashRequest
yield SplashRequest(self.start_urls[0], callback=self.parse, args={'wait': 0.5})

4.测试代码:


import datetime
import os

import scrapy
from scrapy_splash import SplashRequest

from ..settings import LOG_DIR

class SplashSpider(scrapy.Spider):
 name = 'splash'
 allowed_domains = ['biqugedu.com']
 start_urls = ['http://www.biqugedu.com/0_25/']

custom_settings = {
   'LOG_FILE': os.path.join(LOG_DIR, '%s_%s.log' % (name, datetime.date.today().strftime('%Y-%m-%d'))),
   'LOG_LEVEL': 'INFO',
   'CONCURRENT_REQUESTS': 8,
   'AUTOTHROTTLE_ENABLED': True,
   'AUTOTHROTTLE_TARGET_CONCURRENCY': 8,

'SPLASH_URL': 'http://localhost:8050',
   'DOWNLOADER_MIDDLEWARES': {
     'scrapy_splash.SplashCookiesMiddleware': 723,
     'scrapy_splash.SplashMiddleware': 725,
     'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
   },
   'SPIDER_MIDDLEWARES': {
     'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
   },
   'DUPEFILTER_CLASS': 'scrapy_splash.SplashAwareDupeFilter',
   'HTTPCACHE_STORAGE': 'scrapy_splash.SplashAwareFSCacheStorage',

}

def start_requests(self):
   yield SplashRequest(self.start_urls[0], callback=self.parse, args={'wait': 0.5})

def parse(self, response):
   """
   :param response:
   :return:
   """
   response_str = response.body.decode('utf-8', 'ignore')
   self.logger.info(response_str)
   self.logger.info(response_str.find('http://www.biqugedu.com/files/article/image/0/25/25s.jpg'))

scrapy-splash接收到js请求:

scrapy-splash简单使用详解

来源:https://blog.csdn.net/zhu6201976/article/details/106518029

标签:scrapy-splash,使用
0
投稿

猜你喜欢

  • vue实现简单的登录弹出框

    2024-05-21 10:30:12
  • python_opencv用线段画封闭矩形的实例

    2022-05-04 19:07:59
  • 网站设计趋势: iPhones[译]

    2009-09-21 12:40:00
  • Python光学仿真教程实现光线追踪

    2023-08-12 00:27:39
  • Python3.10 Generator生成器Coroutine原生协程详解

    2023-10-25 15:31:36
  • 图解Python中浅拷贝copy()和深拷贝deepcopy()的区别

    2021-12-09 21:09:39
  • mvn 打包报错:no compiler is provided in this environment

    2023-10-31 00:47:17
  • 解决Python下json.loads()中文字符出错的问题

    2022-06-17 21:16:52
  • python3+PyQt5+Qt Designer实现堆叠窗口部件

    2023-12-30 01:21:55
  • python安装pil库方法及代码

    2021-10-22 16:55:24
  • 深入理解Django的信号机制

    2023-01-20 10:19:58
  • Python实现字典去除重复的方法示例

    2021-02-24 21:52:14
  • 快速入门python学习笔记

    2023-08-25 14:26:29
  • python中的GUI实现计算器

    2022-04-18 02:29:05
  • 基于RSA算法在asp中加密与解密对应的函数

    2007-11-07 21:39:00
  • python回调函数的使用方法

    2023-05-28 02:50:55
  • MySQL基于GTID主从搭建

    2024-01-23 18:17:56
  • Python的Flask框架中使用Flask-SQLAlchemy管理数据库的教程

    2024-01-21 22:23:32
  • Django框架教程之正则表达式URL误区详解

    2021-03-18 13:46:13
  • 利用不同样式改变相同xhtml结构的布局

    2008-08-20 18:17:00
  • asp之家 网络编程 m.aspxhome.com