Scrapy基于selenium結(jié)合爬取淘寶的實(shí)例講解
在對(duì)于淘寶,京東這類網(wǎng)站爬取數(shù)據(jù)時(shí),通常直接使用發(fā)送請(qǐng)求拿回response數(shù)據(jù),在解析獲取想要的數(shù)據(jù)時(shí)比較難的,因?yàn)閿?shù)據(jù)只有在瀏覽網(wǎng)頁的時(shí)候才會(huì)動(dòng)態(tài)加載,所以要想爬取淘寶京東上的數(shù)據(jù),可以使用selenium來進(jìn)行模擬操作
對(duì)于scrapy框架,下載器來說已經(jīng)沒多大用,因?yàn)楂@取的response源碼里面沒有想要的數(shù)據(jù),因?yàn)闆]有加載出來,所以要在請(qǐng)求發(fā)給下載中間件的時(shí)候直接使用selenium對(duì)請(qǐng)求解析,獲得完整response直接返回,不經(jīng)過下載器下載,上代碼
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import time
from scrapy.http.response.html import HtmlResponse
from scrapy.http.response.text import TextResponse
from selenium.webdriver import ActionChains
class TaobaoMiddleware(object):
#處理請(qǐng)求函數(shù)
def process_request(self,request,spider):
#聲明一個(gè)Options對(duì)象
opt = Options()
#給對(duì)象添加一個(gè)--headless參數(shù),表示無頭啟動(dòng)
opt.add_argument('--headless')
#把配置參數(shù)應(yīng)用到驅(qū)動(dòng)創(chuàng)建的對(duì)象
driver = webdriver.Chrome(options=opt)
#打開requests中的地址
driver.get(request.url)
#讓瀏覽器滾動(dòng)到底部
for x in range(1,11):
j = x / 10
js = "document.documentElement.scrollTop = document.documentElement.scrollHeight*%f"%j
driver.execute_script(js)
#每次滾動(dòng)等待0.5s
time.sleep(5)
#獲取下一頁按鈕的標(biāo)簽
next_btn =driver.find_element_by_xpath('//span[contains(text(),"下一頁")]')
#睡眠0.5秒
time.sleep(0.5)
#對(duì)下一頁標(biāo)簽進(jìn)行鼠標(biāo)右鍵觸發(fā)事件
ActionChains(driver).context_click(next_btn).click().perform()
# driver.save_screenshot('截圖.png')
#把驅(qū)動(dòng)對(duì)象獲得的源碼賦值給新變量
page_source = driver.page_source
#退出
driver.quit()
#根據(jù)網(wǎng)頁源代碼,創(chuàng)建Htmlresponse對(duì)象
response = HtmlResponse(url=request.url,body=page_source,encoding='utf-8',request=request)
#因?yàn)榉祷氐氖俏谋鞠?所以需要指定字符編碼格式
return response
def process_response(self,request,response,spider):
return response
def process_exception(self,request,exception,spider):
pass
以上這篇Scrapy基于selenium結(jié)合爬取淘寶的實(shí)例講解就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
使用Pandas的ExcelWriter操作excel的方法
這篇文章主要介紹了使用Pandas的ExcelWriter操作excel的方法,ExcelWriter這個(gè)插件有個(gè)坑,就是已經(jīng)設(shè)置好的格式是無法更改的,因此,由pandas轉(zhuǎn)成excel的時(shí)候,必須將格式清除,尤其是表頭的格式需要大家多多注意,本文結(jié)合示例代碼講解的非常詳細(xì),需要的朋友參考下吧2023-11-11
python中判斷數(shù)字是否為質(zhì)數(shù)的實(shí)例講解
在本篇文章里小編給大家分享了關(guān)于python中判斷數(shù)字是否為質(zhì)數(shù)的實(shí)例講解內(nèi)容,有興趣的朋友們可以學(xué)習(xí)下。2020-12-12
如何利用python實(shí)現(xiàn)圖片轉(zhuǎn)化字符畫
這篇文章主要介紹了如何利用python實(shí)現(xiàn)圖片轉(zhuǎn)化字符畫,文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的小伙伴可以參考一下2022-06-06
Python?Fire中兩種命令行參數(shù)靈活設(shè)置方式詳解
Python的Fire庫,一個(gè)用來生成命令行工具的的庫,這篇文章主要針對(duì)命令行參數(shù),補(bǔ)充兩種更加靈活的設(shè)置方式,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2024-01-01

