标签:8050 url xxx 爬取 scrapy splash import
scrapy和splash 结合爬取动态网页
- 安装scrapy-splash:
pip install scrapy-splash
- 安装splash:
sudo docker pull scrapinghub/splash
- 运行splash:
docker run -it -d -p 8050:8050 --name splash scrapinghub/splash
- 编写scrapy:
- 设置
settings.py
:
- 设置
SPLASH_URL = 'http://xxx.xxx.xxx.xxx:8050' # splash的url
DOWNLOADER_MIDDLEWARES = {
'scrapy_splash.SplashCookiesMiddleware': 723,
'scrapy_splash.SplashMiddleware': 725,
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
}
SPIDER_MIDDLEWARES = {
'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
}
- 编写spider:
今日头条为例子:
from scrapy.selector import Selector
import scrapy
from scrapy_splash import SplashRequest
import sys
reload(sys)
sys.setdefaultencoding("utf8")
class MySpider(scrapy.Spider):
name = 'ddd'
def start_requests(self):
url = 'https://www.toutiao.com/'
yield SplashRequest(url=url, callback=self.parse, args={'wait': 0.5}, dont_filter=True)
def parse(self, response):
xbody = Selector(response=response)
title = xbody.xpath("//p[@class='title']/text()").extract()
for i in title:
print str(i).encode("gbk", 'ignore') # 乱码
标签:8050,url,xxx,爬取,scrapy,splash,import 来源: https://blog.csdn.net/jianmoumou233/article/details/79832644
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。