如何使用scrapy-splash

这篇文章主要介绍了如何使用scrapy-splash，编程网小编觉得不错，现在分享给大家，也给大家做个参考，一起跟随编程网小编来看看吧！

1.scrapy_splash是scrapy的一个组件

scrapy_splash加载js数据基于Splash来实现的

Splash是一个Javascrapy渲染服务，它是一个实现Http api的轻量级浏览器，Splash是用python和lua语言实现的，基于Twisted和Qt等模块构建

使用scrapy-splash最终拿到的response相当于是在浏览器全部渲染完成以后的网页源代码

2.scrapy_splash的作用

scrpay_splash能够模拟浏览器加载js，并返回js运行后的数据

3.scrapy_splash的环境安装

1 使用splash的Docker镜像

docker info 查看docker信息

docker images  查看所有镜像

docker pull scrapinghub/splash  安装scrapinghub/splash

docker run -p 8050:8050 scrapinghub/splash &  指定8050端口运行

2.pip install scrapy-splash

3.scrapy 配置:

  SPLASH_URL = 'http://localhost:8050'  DOWNLOADER_MIDDLEWARES = {    'scrapy_splash.SplashCookiesMiddleware': 723,    'scrapy_splash.SplashMiddleware': 725,    'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,  }  SPIDER_MIDDLEWARES = {    'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,  }  DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'  HTTPCACHE_STORAGE = 'scrapy_splash.SplashAwareFSCacheStorage'

scrapy 使用

from scrapy_splash import SplashRequestyield SplashRequest(self.start_urls[0], callback=self.parse, args={'wait': 0.5})

测试代码：

import datetimeimport os import scrapyfrom scrapy_splash import SplashRequest from ..settings import LOG_DIR  class SplashSpider(scrapy.Spider):  name = 'splash'  allowed_domains = ['biqugedu.com']  start_urls = ['http://www.biqugedu.com/0_25/']   custom_settings = {    'LOG_FILE': os.path.join(LOG_DIR, '%s_%s.log' % (name, datetime.date.today().strftime('%Y-%m-%d'))),    'LOG_LEVEL': 'INFO',    'CONCURRENT_REQUESTS': 8,    'AUTOTHROTTLE_ENABLED': True,    'AUTOTHROTTLE_TARGET_CONCURRENCY': 8,     'SPLASH_URL': 'http://localhost:8050',    'DOWNLOADER_MIDDLEWARES': {      'scrapy_splash.SplashCookiesMiddleware': 723,      'scrapy_splash.SplashMiddleware': 725,      'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,    },    'SPIDER_MIDDLEWARES': {      'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,    },    'DUPEFILTER_CLASS': 'scrapy_splash.SplashAwareDupeFilter',    'HTTPCACHE_STORAGE': 'scrapy_splash.SplashAwareFSCacheStorage',   }   def start_requests(self):    yield SplashRequest(self.start_urls[0], callback=self.parse, args={'wait': 0.5})   def parse(self, response):    """    :param response:    :return:    """    response_str = response.body.decode('utf-8', 'ignore')    self.logger.info(response_str)    self.logger.info(response_str.find('http://www.biqugedu.com/files/article/image/0/25/25s.jpg'))

scrapy-splash接收到js请求：

以上就是编程网小编为大家收集整理的如何使用scrapy-splash，如何觉得编程网网站的内容还不错，欢迎将编程网网站推荐给身边好友。