python-3.x - 抓取 + 飞溅 : not rendering full page javascript data

Question

我只是在用 splash 探索 scrapy，我正试图从一个电子商务网站上抓取所有带有产品 ID、名称和价格的产品(裤子)数据 gap但是当我从 splash web UI 查看时，我没有看到所有动态产品数据加载 splash web UI (虽然每个请求只加载 16 个项目 - 不知道为什么) 我尝试了以下选项，但没有成功

• 将等待时间增加到 20 秒
• 通过使用“--disable-private-mode”启动 docker
• 使用lua_script实现页面滚动
• 使用 View 报告完整选项 splash:set_viewport_full()

lua_script2 = """ function main(splash)
    local num_scrolls = 10
    local scroll_delay = 2.0

    local scroll_to = splash:jsfunc("window.scrollTo")
    local get_body_height = splash:jsfunc(
        "function() {return document.body.scrollHeight;}"
    )
    assert(splash:go(splash.args.url))
    splash:wait(splash.args.wait)

    for _ = 1, num_scrolls do
        scroll_to(0, get_body_height())
        splash:wait(scroll_delay)
    end        
    return splash:html()
end"""                 
                              
            yield SplashRequest(
                url,
                self.parse_product_contents,
                endpoint='execute', 
                args={
                        'lua_source': lua_script2,
                        'wait': 5,
                    }
                )
 

任何人都可以阐明这种行为吗？ p.s:我正在使用 scrapy 框架，我能够从 render.html 中解析产品信息(itemid，名称和价格)(但 render.html 只有 16 个项目信息)

Answer 1

我将脚本更新到下面

function main(splash)
    local num_scrolls = 10
    local scroll_delay = 2.0
    splash:set_viewport_size(1980, 8020)
    local scroll_to = splash:jsfunc("window.scrollTo")
    local get_body_height = splash:jsfunc(
        "function() {return document.body.scrollHeight;}"
    )
    assert(splash:go(splash.args.url))
--    splash:set_viewport_full()
    splash:wait(10)
    splash:runjs("jQuery('span.icon-x').click();")
    splash:wait(1)
    for _ = 1, num_scrolls do
        scroll_to(0, get_body_height())
        splash:wait(scroll_delay)
    end      

      splash:wait(30)

    return { 
        png = splash:png(),
        html = splash:html(),
        har = splash:har()
       }
end

然后在我的本地 splash 中运行它，png 不能正常工作，但 HTML 有最后一个产品

唯一的问题是当电子邮件订阅弹出窗口出现时它不会滚动，所以我添加了代码来关闭它