Scrapy基于selenium结合爬取淘宝的实例讲解
在对于淘宝,京东这类网站爬取数据时,通常直接使用发送请求拿回response数据,在解析获取想要的数据时比较难的,因为数据只有在浏览网页的时候才会动态加载,所以要想爬取淘宝京东上的数据,可以使用selenium来进行模拟操作
对于scrapy框架,下载器来说已经没多大用,因为获取的response源码里面没有想要的数据,因为没有加载出来,所以要在请求发给下载中间件的时候直接使用selenium对请求解析,获得完整response直接返回,不经过下载器下载,上代码
fromseleniumimportwebdriver fromselenium.webdriver.chrome.optionsimportOptions importtime fromscrapy.http.response.htmlimportHtmlResponse fromscrapy.http.response.textimportTextResponse fromselenium.webdriverimportActionChains classTaobaoMiddleware(object): #处理请求函数 defprocess_request(self,request,spider): #声明一个Options对象 opt=Options() #给对象添加一个--headless参数,表示无头启动 opt.add_argument('--headless') #把配置参数应用到驱动创建的对象 driver=webdriver.Chrome(options=opt) #打开requests中的地址 driver.get(request.url) #让浏览器滚动到底部 forxinrange(1,11): j=x/10 js="document.documentElement.scrollTop=document.documentElement.scrollHeight*%f"%j driver.execute_script(js) #每次滚动等待0.5s time.sleep(5) #获取下一页按钮的标签 next_btn=driver.find_element_by_xpath('//span[contains(text(),"下一页")]') #睡眠0.5秒 time.sleep(0.5) #对下一页标签进行鼠标右键触发事件 ActionChains(driver).context_click(next_btn).click().perform() #driver.save_screenshot('截图.png') #把驱动对象获得的源码赋值给新变量 page_source=driver.page_source #退出 driver.quit() #根据网页源代码,创建Htmlresponse对象 response=HtmlResponse(url=request.url,body=page_source,encoding='utf-8',request=request) #因为返回的是文本消息,所以需要指定字符编码格式 returnresponse defprocess_response(self,request,response,spider): returnresponse defprocess_exception(self,request,exception,spider): pass
以上这篇Scrapy基于selenium结合爬取淘宝的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。