python - Scrapy:下一个按钮使用 javascript

Question

我正在尝试从这个网站上抓取 http://saintbarnabas.hodesiq.com/joblist.asp?user_id= 我想获取其中的所有 RN...我可以抓取数据但无法继续到下一页 因为它的javascript。我尝试阅读其他问题，但我不明白。这是我的代码

class MySpider(CrawlSpider):
    name = "commu"
    allowed_domains = ["saintbarnabas.hodesiq.com"]
    start_urls = ["http://saintbarnabas.hodesiq.com/joblist.asp?user_id=",
    ]
    rules = (Rule (SgmlLinkExtractor(allow=('\d+'),restrict_xpaths=('*'))
    , callback="parse_items", follow= True),
    )

下一个按钮显示为

<a href="Javascript: Move('next')">Next</a>

这个分页简直要了我的命...

Answer 1

简而言之，您需要弄清楚 Move('next') 的作用并在您的代码中重现它。

快速检查站点显示函数代码是这样的:

function Move(strIndicator)
{
    document.frm.move_indicator.value = strIndicator;
    document.frm.submit();
}

document.frm 是名为“frm”的表单:

<form name="frm" action="joblist.asp" method="post">

因此，基本上您需要构建一个请求，以使用 'next' 的 move_indicator 值为该表单执行 POST。这可以通过使用 FormRequest 类 ( see the docs ) 轻松完成，例如:

return FormRequest.from_response(response, formname="frm", 
                                 formdata={'move_indicator': 'next'})

此技术在大多数情况下都有效。困难的部分是弄清楚 javascript 代码的作用，有时它可能会被混淆并执行过于复杂的东西以避免被抓取。