Question

我正在编写一个scrapy-splash程序，需要单击网页上的显示按钮（如下图所示），以便显示第10版的数据，因此可以对其进行抓取。我有下面尝试过的代码，但是没有用。我需要的信息只有在单击显示按钮后才能访问。更新：仍在为此而苦苦挣扎，我必须相信有一种方法可以做到这一点。我不想抓取JSON，因为这可能是网站所有者的一个危险信号。

import scrapy
from ..items import NameItem

class LoginSpider(scrapy.Spider):
    name = "LoginSpider"
    start_urls = ["http://www.starcitygames.com/buylist/"]

    def parse(self, response):

        return scrapy.FormRequest.from_response(
        response,
        formcss='#existing_users form',
        formdata={'ex_usr_email': 'email123@example.com', 'ex_usr_pass': 'password123'},
        callback=self.after_login
        )


    def after_login(self, response):
        item = NameItem()
        display_button= response.xpath('//a[contains(., "- Display>>")]/@href').get()
        response.follow(display_button, self.parse)
        item["Name"] = response.css("div.bl-result-title::text").get()
        return item

Answer 1

您的代码无法使用，因为没有锚元素和href属性。单击该按钮会将XMLHttpRequest发送到http://www.starcitygames.com/buylist/search?search-type=category&id=5061，然后在JSON响应中找到所需的数据。

要检查请求的URL和响应，请打开Dev Tools-> Network-> XHR，然后单击Display。
在Headers标签中，您将找到请求URL；在Preview或Response标签中，您可以检查JSON。
如您所见，您将需要一个类别id来构建请求URL。您可以通过解析XPath script

//script[contains(., "categories")]

然后，您可以将请求从Spider发送到http://www.starcitygames.com/buylist/search?search-type=category&id=5061，并获取所需的数据。

$ curl 'http://www.starcitygames.com/buylist/search?search-type=category&id=5061'
{"ok":true,"search":"10th Edition","results":[[{"id":"46269","name":"Abundance","subtitle":null,"condition":"NM\/M","foil":true,"is_parent":false,"language":"English","price":"20.000","rarity":"Rare","image":"cardscans\/MTG\/10E\/en\/foil\/Abundance.jpg"},{"id":"176986","name":"Abundance","subtitle":null,"condition":"PL","foil":true,"is_parent":false,"language":"English","price":"12.000","rarity":"Rare","image":"cardscans\/MTG\/10E\/en\/foil\/Abundance.jpg"}....

如您所见，您甚至无需登录网站或Splash。

单击Scrapy-Splash中的按钮

1 个答案: