Question

我正在探索带有飞溅的scrapy，我正试图用电子商务网站之一的productid，名称和价格来收集所有产品（裤子）数据 gap但是当我从splash web UI splash web UI看到时，我没有看到加载的所有动态产品数据（每个请求只加载了16个项目 - 没有任何线索的原因）我尝试了以下选项，但没有运气

等待时间延长至20秒
使用“ - 禁用私有模式”
使用lua_script进行页面滚动
使用查看报告完整选项 splash：set_viewport_full（）

lua_script2 = """ function main(splash)
    local num_scrolls = 10
    local scroll_delay = 2.0

    local scroll_to = splash:jsfunc("window.scrollTo")
    local get_body_height = splash:jsfunc(
        "function() {return document.body.scrollHeight;}"
    )
    assert(splash:go(splash.args.url))
    splash:wait(splash.args.wait)

    for _ = 1, num_scrolls do
        scroll_to(0, get_body_height())
        splash:wait(scroll_delay)
    end        
    return splash:html()
end"""                 
                              
            yield SplashRequest(
                url,
                self.parse_product_contents,
                endpoint='execute', 
                args={
                        'lua_source': lua_script2,
                        'wait': 5,
                    }
                )

任何人都可以对这种行为有所了解吗？ p.s：我正在使用scrapy框架，我能够从render.html解析产品信息（itemid，名称和价格）（但render.html只有16项信息）

Answer 1

我将脚本更新到下面

function main(splash)
    local num_scrolls = 10
    local scroll_delay = 2.0
    splash:set_viewport_size(1980, 8020)
    local scroll_to = splash:jsfunc("window.scrollTo")
    local get_body_height = splash:jsfunc(
        "function() {return document.body.scrollHeight;}"
    )
    assert(splash:go(splash.args.url))
--    splash:set_viewport_full()
    splash:wait(10)
    splash:runjs("jQuery('span.icon-x').click();")
    splash:wait(1)
    for _ = 1, num_scrolls do
        scroll_to(0, get_body_height())
        splash:wait(scroll_delay)
    end      

      splash:wait(30)

    return { 
        png = splash:png(),
        html = splash:html(),
        har = splash:har()
       }
end

然后在我的本地版本中运行它，png不能正常工作，但HTML有最后一个产品

唯一的问题是电子邮件订阅弹出窗口在那里它不会滚动，所以我添加了代码来关闭它

scrapy + splash：不渲染整页javascript数据

1 个答案: