pyspider爬虫网页响应过慢,爬不到数据解决

本文介绍如何使用Pyspider框架解决网页数据加载过慢的问题,通过设置self.crawl()函数的参数,如fetch_type='js'和js_script延时执行,确保页面数据完全加载后再进行抓取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对于pyspider 这个框架来说优点就是简单、易上手。所以好好看官方文档能解决80%的问题。
最近需要训练数据,目标页面较多,一般的写爬虫担心不能适应。就自学爬虫框架,为了尽快使用就从pyspider入手了。
期间遇到请求的网页数据加载过慢,总是爬到空数据…
看文档发现self.crawl()函数可以在回调之前,加载js:

            self.crawl(url, fetch_type='js',
                       js_script="""function() {setTimeout("", 12000);}""",
                       callback=self.index_page, validate_cert=False,priority=1)

(1)参数分别是要抓取的url、
(2)fetch_type=‘js’,设置为js以启用JavaScript获取、
(3)js_script=""“function() {setTimeout(”", 12000);}""" ,这里是在访问页面后,延时12s再执行callback=""回调。(等待页面数据的加载)、
(3)validate_cert=False 是否检查网页许可证
(4)priority=1 任务执行的优先级

还有很多参数:
http://docs.pyspider.org/en/latest/apis/self.crawl/

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值