在对于淘宝，京东这类网站爬取数据时，通常直接使用发送请求拿回response数据，在解析获取想要的数据时比较难的，因为数据只有在浏览网页的时候才会动态加载，所以要想爬取淘宝京东上的数据，可以使用selenium来进行模拟操作
对于scrapy框架，下载器来说已经没多大用，因为获取的response源码里面没有想要的数据，因为没有加载出来，所以要在请求发给下载中间件的时候直接使用selenium对请求解析，获得完整response直接返回，不经过下载器下载，上代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
|
from selenium import webdriverfrom selenium.webdriver.chrome.options import Optionsimport timefrom scrapy.http.response.html import HtmlResponsefrom scrapy.http.response.text import TextResponsefrom selenium.webdriver import ActionChains class TaobaoMiddleware(object): #处理请求函数 def process_request(self,request,spider): #声明一个Options对象 opt = Options() #给对象添加一个--headless参数,表示无头启动 opt.add_argument('--headless') #把配置参数应用到驱动创建的对象 driver = webdriver.Chrome(options=opt) #打开requests中的地址 driver.get(request.url) #让浏览器滚动到底部 for x in range(1,11): j = x / 10 js = "document.documentElement.scrollTop = document.documentElement.scrollHeight*%f"%j driver.execute_script(js) #每次滚动等待0.5s time.sleep(5) #获取下一页按钮的标签 next_btn =driver.find_element_by_xpath('//span[contains(text(),"下一页")]') #睡眠0.5秒 time.sleep(0.5) #对下一页标签进行鼠标右键触发事件 ActionChains(driver).context_click(next_btn).click().perform() # driver.save_screenshot('截图.png') #把驱动对象获得的源码赋值给新变量 page_source = driver.page_source #退出 driver.quit() #根据网页源代码,创建Htmlresponse对象 response = HtmlResponse(url=request.url,body=page_source,encoding='utf-8',request=request) #因为返回的是文本消息,所以需要指定字符编码格式 return response def process_response(self,request,response,spider): return response def process_exception(self,request,exception,spider): pass |
以上这篇Scrapy基于selenium结合爬取淘宝的实例讲解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/baoshuowl/article/details/79659627
