python - 单击 html 表单按钮到 scrapy/python 中的下一页

Question

我在 scrapy 中编写了一个蜘蛛程序来从网站中提取数据。我有一个具有类似结构的 html 表的链接列表，到目前为止，这些链接的提取工作正常。现在的问题是，其中一些表跨越多个页面，即如果一个数据集超过 30 行，它就会被拆分。大多数表格只有一页，但有些表格更长，最多可达 70 页。通过按 html 表单形式的“下一页”按钮可以到达下一页。我希望蜘蛛程序转到每个表，从第一页提取数据，然后继续到第二页、第三页等，直到不再有“下一步”按钮，然后继续下一个原始网址。

我知道我需要的可能是 form_request 命令，但我对这些东西很陌生，我在网上找到的所有示例的结构都略有不同，因此非常感谢帮助。

这是我提取每个表格第一页的代码。

from scrapy.spiders import BaseSpider
from scrapy.selector import HtmlXPathSelector
from example.items import exitem
from scrapy.http import FormRequest

class MySpider(BaseSpider):
    name = "example"

    with open('linklist.txt') as f:
        start_urls = f.readlines()

    def parse(self, response):
        hxs = HtmlXPathSelector(response)
        main = hxs.xpath("/html/body/table[2]/tr/td[2]/table/tr/td/table[1]/tr[1]/td[1]/table")
        titles = hxs.xpath("/html/body/table[2]/tr/td[2]/table/tr/td/table[1]/tr[2]/td/table/tr")
        items = []
        for titles in titles:
            item = exitem()
            item["pid"] = titles.xpath("td[2]/font/text()").extract()
            item["famname"] = titles.xpath("td[3]/font/b/text()").extract()
            item["firstname"] = titles.xpath("td[4]/font/text()").extract()
            item["sex"] = titles.xpath("td[5]/font/text()").extract()
            item["age"] = titles.xpath("td[6]/font/text()").extract()
            item["famstat"] = titles.xpath("td[7]/font/text()").extract()
            item["res"] = titles.xpath("td[8]/font/text()").extract()
            item["nation"] = titles.xpath("td[9]/font/text()").extract()
            item["state"] = titles.xpath("td[10]/font/text()").extract()
            item["job"] = titles.xpath("td[11]/font/text()").extract()
        return(items)

这是网站上的表格:

<form action="http://example.com/listen.php" method="get">
    <input type="submit" value="next sheet" name="">
    <input type="hidden" value="1234567" name="ArchivIdent">
    <input type="hidden" value="31" name="start">
</form>

第二页的“开始”值为 31，第三页为 61，第四页为 91，依此类推。

Answer 1

from selenium import web driver  
driver = webdriver.Firefox()
driver.get("your page")
try:  
  driver.findElement(By.xpath("//*[@type='submit'][@value='next']")).click() 
except:
  pass
continue with your program 

一旦按钮没有找到，就会try出来。然后继续你的程序

希望这对您有所帮助。