我正在使用 Scrapy 抓取一个网站,这需要启用 cooking 和 java 脚本。我认为我不必实际处理 javascript。我只需要假装启用了 javascript。
这是我尝试过的: 1)通过以下设置启用Cookie
COOKIES_ENABLED = True
COOKIES_DEBUG = True
2) 为cookies使用下载中间件
DOWNLOADER_MIDDLEWARES = {
'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware': 400,
'scrapy.contrib.downloadermiddleware.cookies.CookiesMiddleware':700
}
3) 发送 'X-JAVASCRIPT-ENABLED': 'True'
DEFAULT_REQUEST_HEADERS={
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Accept-Language': 'en',
'X-JAVASCRIPT-ENABLED': 'True'
}
但他们都没有和我一起工作。您能否提出任何想法或给我一些指导?
预先感谢您的回复。
最佳答案
你应该试试 Splash带有 scrapyjs 的 JS 引擎.以下是如何在您的爬虫项目中进行设置的示例:
SPLASH_URL = 'http://192.168.59.103:8050'
DOWNLOADER_MIDDLEWARES = {
'scrapyjs.SplashMiddleware': 725,
}
Scraping hub这是 Scrapy 背后的同一家公司,有 special instances在启用启动的情况下运行你的蜘蛛。
然后像这样在您的蜘蛛中产生 SplashRequest
而不是 Request
:
import scrapy
from scrapy_splash import SplashRequest
class MySpider(scrapy.Spider):
start_urls = ["http://example.com", "http://example.com/foo"]
def start_requests(self):
for url in self.start_urls:
yield SplashRequest(url, self.parse,
endpoint='render.html',
args={'wait': 0.5},
)
def parse(self, response):
# response.body is a result of render.html call; it
# contains HTML processed by a browser.
# …
关于python - 如何在 Scrapy 中发送启用的 JavaScript 和 Cookies?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16391677/