python - Scrapy Splash 截图？

Question

我正在尝试抓取网站，同时截取每个页面的屏幕截图。到目前为止，我已经设法拼凑出以下代码:

import json
import base64
import scrapy
from scrapy_splash import SplashRequest


class ExtractSpider(scrapy.Spider):
    name = 'extract'

    def start_requests(self):
        url = 'https://stackoverflow.com/'
        splash_args = {
            'html': 1,
            'png': 1
        }
        yield SplashRequest(url, self.parse_result, endpoint='render.json', args=splash_args)

    def parse_result(self, response):
        png_bytes = base64.b64decode(response.data['png'])

        imgdata = base64.b64decode(png_bytes)
        filename = 'some_image.png'
        with open(filename, 'wb') as f:
            f.write(imgdata)

它可以正常访问网站(例如，stackoverflow)并返回 png_bytes 的数据，但是当写入文件时 - 返回损坏的图像(不加载)。

有没有办法解决这个问题，或者找到更有效的解决方案？我读过 Splash Lua Scripts 可以做到这一点，但一直无法找到实现这一点的方法。谢谢。

Answer 1

你从 base64 解码两次:

       png_bytes = base64.b64decode(response.data['png'])
       imgdata = base64.b64decode(png_bytes)

简单地做:

    def parse_result(self, response):
        imgdata = base64.b64decode(response.data['png'])
        filename = 'some_image.png'
        with open(filename, 'wb') as f:
            f.write(imgdata)