Python:爬虫问题录

1. 执行流程

逻辑过程
Scrapy流程
执行过程
代码执行过程

2. 问提与解决

  1. start_urls只能配置一个数组,如果我想动态配置爬取的源头怎么办?

重写 Spider 的 start_requests 函数,在里面设置请求

  1. 如果我通过请求结果,发起新的请求怎么写?

直接在结果里面通过 yield发起新请求

  1. 如果我通过请求结果发起新的请求,怎么处理新的响应结果?

在Spider里新增需要的处理的函数,配置 response 参数即可。

  • yield scrapy.Request(next_page, callback=self.parse_new)
  • def parse_new(self, response, **kwargs)
  1. 如何把发起请求时候的参数传递到响应结果?
  • 通过 Request 的 meta 参数,传输一个字典过去。
  • 通过 response.meta 拿到你存入的值。
  1. 如何给Spdier配置特点的中间件(middleware)、管道(pipelines)?

custom_settings

  • ITEM_PIPELINES
  • SPIDER_MIDDLEWARES
  • DOWNLOADER_MIDDLEWARES
  1. 对于一些异步加载的页面怎么处理?
    • 方案一:splash
      • docker 启动一个 Splash 代理服务:

        • docker run -it -p 8050:8050 --rm scrapinghub/splash
      • settings 配置:

         SPLASH_URL = 'http://host:port'
         DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'   
         HTTPCACHE_STORAGE = 'scrapy_splash.SplashAwareFSCacheStorage'
            SPIDER_MIDDLEWARES = {
           'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
         }  
         DOWNLOADER_MIDDLEWARES = {  
           'scrapy_splash.SplashCookiesMiddleware': 723,
           'scrapy_splash.SplashMiddleware': 725,
           'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810
         }
        
      • python 导入依赖
        pip3 install scrapy-splash

      • Spider 中引入
        from scrapy_splash import SplashRequest

      • 请求替换

        • 从:Request(stock_url, self.parse, meta=params, dont_filter=True)
        • 到:SplashRequest(url, self.parse, meta=params, args={'wait': 0.5})
      • parse正常解析结果即可

    • 方案二:selenium
      • python 导入依赖
        pip3 install selenium

      • 配置 custom_settings:
        DOWNLOADER_MIDDLEWARES': { 'ht_msg.middlewares.SeleniumDownloadMiddleware': 500 }

      • 创建中间件

      from selenium.webdriver.chrome.options import Options 
      from selenium import webdriver from scrapy.http import HtmlResponse
      
      class SeleniumDownloadMiddleware(object): 
      
           def __init__(self): 
                chrome_options = Options() 
                chrome_options.add_argument(‘–headless’) 
                chrome_options.add_argument(‘–disable-gpu’)         
                chrome_options.add_argument(“window-size=1024,768”)                 
                chrome_options.add_argument(“–no-sandbox”) 
                self.driver = webdriver.Chrome(chrome_options=chrome_options)
      
          def process_request(self, request, spider):
              self.driver.get(request.url)
              time.sleep(12)
              source = self.driver.page_source
              url = self.driver.current_url
              return HtmlResponse(url=url, body=source, request=request, encoding="utf-8") ```
      

未完待续…..

参考的文件

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容