最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python網(wǎng)絡(luò)爬蟲 Scrapy中selenium用法詳解

 更新時間:2019年09月28日 10:07:15   作者:陪伴is最長情的告白  
這篇文章主要介紹了python網(wǎng)絡(luò)爬蟲 Scrapy中selenium用法詳解,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值

引入

在通過scrapy框架進行某些網(wǎng)站數(shù)據(jù)爬取的時候,往往會碰到頁面動態(tài)數(shù)據(jù)加載的情況發(fā)生,如果直接使用scrapy對其url發(fā)請求,是絕對獲取不到那部分動態(tài)加載出來的數(shù)據(jù)值。但是通過觀察我們會發(fā)現(xiàn),通過瀏覽器進行url請求發(fā)送則會加載出對應(yīng)的動態(tài)加載出的數(shù)據(jù)。那么如果我們想要在scrapy也獲取動態(tài)加載出的數(shù)據(jù),則必須使用selenium創(chuàng)建瀏覽器對象,然后通過該瀏覽器對象進行請求發(fā)送,獲取動態(tài)加載的數(shù)據(jù)值。

1.案例分析:

- 需求:爬取網(wǎng)易新聞的國內(nèi)、國際、軍事、無人機板塊下的新聞數(shù)據(jù)

- 需求分析:當點擊國內(nèi)超鏈進入國內(nèi)對應(yīng)的頁面時,會發(fā)現(xiàn)當前頁面展示的新聞數(shù)據(jù)是被動態(tài)加載出來的,如果直接通過程序?qū)rl進行請求,是獲取不到動態(tài)加載出的新聞數(shù)據(jù)的。則需要我們使用selenium實例化一個瀏覽器對象,在該對象中進行url的請求,獲取動態(tài)加載的新聞數(shù)據(jù)。

2.selenium在scrapy中使用的原理分析:

當引擎將國內(nèi)板塊url對應(yīng)的請求提交給下載器后,下載器進行網(wǎng)頁數(shù)據(jù)的下載,然后將下載到的頁面數(shù)據(jù),封裝到response中,提交給引擎,引擎將response再轉(zhuǎn)交給Spiders。Spiders接受到的response對象中存儲的頁面數(shù)據(jù)里是沒有動態(tài)加載的新聞數(shù)據(jù)的。要想獲取動態(tài)加載的新聞數(shù)據(jù),則需要在下載中間件中對下載器提交給引擎的response響應(yīng)對象進行攔截,切對其內(nèi)部存儲的頁面數(shù)據(jù)進行篡改,修改成攜帶了動態(tài)加載出的新聞數(shù)據(jù),然后將被篡改的response對象最終交給Spiders進行解析操作。

3.selenium在scrapy中的使用流程:

  • 重寫爬蟲文件的構(gòu)造方法,在該方法中使用selenium實例化一個瀏覽器對象(因為瀏覽器對象只需要被實例化一次)
  • 重寫爬蟲文件的closed(self,spider)方法,在其內(nèi)部關(guān)閉瀏覽器對象。該方法是在爬蟲結(jié)束時被調(diào)用
  • 重寫下載中間件的process_response方法,讓該方法對響應(yīng)對象進行攔截,并篡改response中存儲的頁面數(shù)據(jù)
  • 在配置文件中開啟下載中間件

4.實例:

# 1.spider文件

import scrapy
from wangyiPro.items import WangyiproItem
from selenium import webdriver

class WangyiSpider(scrapy.Spider):
  name = 'wangyi'
  # allowed_domains = ['www.xxx.con']
  start_urls = ['https://news.163.com/']
  # 瀏覽器實例化的操作只會被執(zhí)行一次
  bro = webdriver.Chrome(executable_path='chromedriver.exe')

  urls = []# 最終存放的就是5個板塊對應(yīng)的url

  def parse(self, response):
    li_list = response.xpath('//*[@id="index2016_wrap"]/div[1]/div[2]/div[2]/div[2]/div[2]/div/ul/li')
    for index in [3,4,6,7,8]:
      li = li_list[index]
      new_url = li.xpath('./a/@herf').extract_first()
      self.urls.append(new_url)

      # 對5大板塊對應(yīng)的url進行請求發(fā)送
      yield scrapy.Request(url=new_url,callback=self.parse_news)

  # 用來解析每一個板塊對應(yīng)的新聞數(shù)據(jù)【只能解析到新聞的標題】
  def parse_news(self,response):
    div_list = response.xpath('//div[@class="ndi_main"]/div')
    for div in div_list:
      title = div.xpath('./div/div[1]/h3/a/text()').extract_first()
      news_detail_url = div.xpath('./div/div[1]/h3/a/@href').extract_first()
      # 實例化item對象,將解析到的標題和內(nèi)容存儲到item對象中
      item = WangyiproItem()
      item['title'] = title
      # 對詳情頁的url進行手動請求發(fā)送獲得新聞內(nèi)容
      yield scrapy.Request(url=news_detail_url,callback=self.parse_detail,meta={'item':item})

  def parse_detail(self,response):
    item = response.meta['item']
    # 通過response解析出新聞內(nèi)容
    content = response.xpath('//div[@id="endText"]//text()').extract()
    content = ''.join(content)

    item['content'] = content
    yield item

  def close(self,spider):
    # 當爬蟲結(jié)束之后,調(diào)用關(guān)閉瀏覽器方法
    print('爬蟲整體結(jié)束~~~~~~~~~~~~~~~~~~~')
    self.bro.quit()
----------------------------------------------------------------------------------------
# 2.items文件

import scrapy

class WangyiproItem(scrapy.Item):
  # define the fields for your item here like:
  # name = scrapy.Field()
  title = scrapy.Field()
  content = scrapy.Field()
----------------------------------------------------------------------------------------
# 3.middlewares文件

from scrapy import signals
from scrapy.http import HtmlResponse
from time import sleep

class WangyiproDownloaderMiddleware(object):

  def process_request(self, request, spider):
    return None

  def process_response(self, request, response, spider):
    # 判斷哪些響應(yīng)對象是5個板塊的,如果在就對響應(yīng)對象進行處理
    if response.url in spider.urls:
      # 獲取在爬蟲類中定義好的瀏覽器
      bro = spider.bro
      bro.get(response.url)

      bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
      sleep(1)
      bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
      sleep(1)
      bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
      sleep(1)
      bro.execute_script('window.scrollTo(0,document.body.scrollHeight)')
      sleep(1)

      # 獲取攜帶了新聞數(shù)據(jù)的頁面源碼數(shù)據(jù)
      page_text = bro.page_source
      # 實例化一個新的響應(yīng)對象
      new_response = HtmlResponse(url=response.url,body=page_text,encoding='utf-8',request=request)
      return new_response
    else:
      return response

  def process_exception(self, request, exception, spider):
    pass
----------------------------------------------------------------------------------------
# 4.pipelines文件

class WangyiproPipeline(object):
  def process_item(self, item, spider):
    print(item)
    return item
----------------------------------------------------------------------------------------
# 5.setting文件
BOT_NAME = 'wangyiPro'

SPIDER_MODULES = ['wangyiPro.spiders']
NEWSPIDER_MODULE = 'wangyiPro.spiders'

USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'

ROBOTSTXT_OBEY = False

DOWNLOADER_MIDDLEWARES = {
  'wangyiPro.middlewares.WangyiproDownloaderMiddleware': 543,
}

ITEM_PIPELINES = {
  'wangyiPro.pipelines.WangyiproPipeline': 300,
}

LOG_LEVEL = 'ERROR'

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Python簡單生成隨機姓名的方法示例

    Python簡單生成隨機姓名的方法示例

    這篇文章主要介紹了Python簡單生成隨機姓名的方法,結(jié)合實例形式分析了Python基于random模塊生成隨機字符串組合的相關(guān)操作技巧,需要的朋友可以參考下
    2017-12-12
  • Python?八個數(shù)據(jù)清洗實例代碼詳解

    Python?八個數(shù)據(jù)清洗實例代碼詳解

    不管你承不承認,數(shù)據(jù)清洗著實不是一件簡單的任務(wù),大多數(shù)情況下這項工作是十分耗時而乏味的,但它又是十分重要的,本篇文章帶給你八個實例代碼
    2022-01-01
  • Python使用win32com.client的方法示例

    Python使用win32com.client的方法示例

    本文主要介紹了Python使用win32com.client的方法示例,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-02-02
  • python模塊之subprocess模塊級方法的使用

    python模塊之subprocess模塊級方法的使用

    這篇文章主要介紹了python模塊之subprocess模塊級方法的使用,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2019-03-03
  • Python Flask上下文管理機制實例解析

    Python Flask上下文管理機制實例解析

    這篇文章主要介紹了Python Flask上下文管理機制實例解析,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2020-03-03
  • Python函數(shù)中4種參數(shù)的使用教程

    Python函數(shù)中4種參數(shù)的使用教程

    這篇文章主要介紹了Python函數(shù)中4種參數(shù)的使用包括必需的參數(shù),關(guān)鍵字參數(shù),缺省參數(shù),不定長參數(shù)的相關(guān)介紹,本文通過實例代碼給大家介紹的非常詳細,需要的朋友可以參考下
    2021-11-11
  • Python實現(xiàn)初始化不同的變量類型為空值

    Python實現(xiàn)初始化不同的變量類型為空值

    這篇文章主要介紹了Python實現(xiàn)初始化不同的變量類型為空值,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-06-06
  • python 五子棋如何獲得鼠標點擊坐標

    python 五子棋如何獲得鼠標點擊坐標

    這篇文章主要介紹了python 五子棋如何獲得鼠標點擊坐標,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-11-11
  • Python實現(xiàn)將羅馬數(shù)字轉(zhuǎn)換成普通阿拉伯數(shù)字的方法

    Python實現(xiàn)將羅馬數(shù)字轉(zhuǎn)換成普通阿拉伯數(shù)字的方法

    這篇文章主要介紹了Python實現(xiàn)將羅馬數(shù)字轉(zhuǎn)換成普通阿拉伯數(shù)字的方法,簡單分析了羅馬數(shù)字的構(gòu)成并結(jié)合實例形式給出了Python轉(zhuǎn)換羅馬數(shù)字為阿拉伯數(shù)字的實現(xiàn)方法,需要的朋友可以參考下
    2017-04-04
  • 使用python itchat包爬取微信好友頭像形成矩形頭像集的方法

    使用python itchat包爬取微信好友頭像形成矩形頭像集的方法

    今天小編就為大家分享一篇使用python itchat包爬取微信好友頭像形成矩形頭像集的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-02-02

最新評論

泰安市| 浪卡子县| 怀来县| 晋州市| 红安县| 九寨沟县| 茂名市| 沈阳市| 松潘县| 陆河县| 宣武区| 前郭尔| 大竹县| 夏邑县| 绥芬河市| 定结县| 尖扎县| 毕节市| 任丘市| 长宁县| 新昌县| 富川| 广宗县| 武功县| 锡林郭勒盟| 富源县| 海南省| 谢通门县| 八宿县| 佛坪县| 探索| 龙游县| 铜陵市| 宜州市| 普格县| SHOW| 盐边县| 深泽县| 石家庄市| 铅山县| 新余市|