爬虫使用selenium和PhantomJS获取动态数据

本文介绍了如何在Scrapy项目中结合selenium和PhantomJS来抓取动态加载的数据。首先,创建了一个名为'zhilian'的Scrapy项目,并生成了一个名为'Zhilian'的spider。接着,在middlewares.py文件中定义了一个PhantomjsMiddleware中间件,该中间件在请求处理过程中通过PhantomJS浏览器实例获取页面内容,并构造HtmlResponse返回。在settings.py中配置了中间件的顺序,确保PhantomjsMiddleware生效。最后,在zhilian.py中初始化了PhantomJS浏览器驱动。

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

  • 创建一个scrapy项目,在终端输入如下命令后用pycharm打开桌面生成的zhilian项目

cd Desktop

scrapy startproject zhilian

cd zhilian

scrapy genspider Zhilian sou.zhilian.com

  • middlewares.py里添加如下代码:

from scrapy.http.response.html import HtmlResponse

class PhantomjsMiddleware(object):
    def process_request(self,request,spider):
        if spider.name == 'Zhilian':
            spider.driver.get(request.url)
            spider.driver.implicitly_wait(10)

            response = HtmlResponse(url=spider.driver.current_url,
                                    request=request,
                                    body=spider.driver.page_source,
                                    encoding='utf-8'
                                    )
            return response

  • settings.py里添加如下代码:

DOWNLOADER_MIDDLEWARES = {
    # 'zhilian.middlewares.ZhilianDownloaderMiddleware': 543,
    'zhilian.middlewares.PhantomjsMiddleware': 1,
}

  • zhilian.py里添加如下代码:

from selenium import webdriver

def __init__(self):
    self.driver =webdriver.PhantomJS() # 在ZhilianSpider这个类中添加这个方法

 

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