javascript - 如何从使用 javascript 扩展内容的页面中 __scrape__ 中的所有信息
问题描述
我正在尝试抓取一个包含元素列表的页面,并在底部有一个增加列表的展开按钮。它使用 onclick 事件展开,我不知道如何激活它。我正在尝试使用scrapy-splash,因为我读过它可能会起作用,但我无法使其正常运行。
我目前正在尝试做的是这样的
def expand_page(self, response):
expand = response.css('#maisVagas')
page = response.request.url
if len(expand) > 0:
expand = expand.xpath("@onclick").extract()
yield SplashRequest(url=page, callback=self.expand_page, endpoint='execute',
args={'js_source': expand[0], "wait": 0.5})
else:
yield response.follow(page, self.open_page)
即使它是葡萄牙语,如果它有助于作为参考,我试图抓取的网站是这样的:https ://www.vagas.com.br/vagas-em-rio-de-janeiro 。展开按钮是页面底部的蓝色按钮,它的检查显示了这个结果。
<a data-grupo="todasVagas" data-filtro="pagina" data-total="16" data-url="/vagas-em-rio-de-janeiro?c%5B%5D=Rio+de+Janeiro&pagina=2" class="btMaisVagas btn" id="maisVagas" onclick="ga('send', 'event', 'Pesquisa', 'anuncios');" href="#" style="pointer-events: all; cursor: pointer;">mostrar mais vagas</a>
解决方案
如果您查看 chromedevtools 的网络工具,则不需要使用 Splash。它正在使用一些参数发出一个 get HTTP 请求。这称为重新设计 HTTP 请求,比使用 splash/selenium 更可取。特别是如果您要抓取大量数据。
在重新设计请求的情况下,复制 BASH 请求并将其放入 curl.trillworks.com。这为我提供了该特定请求的格式良好的标头、参数和 cookie。我通常使用 requests python 包来处理这个 HTTP 请求。在这种情况下,最简单的 HTTP 请求是您只需要传递参数而不是标头的请求。
如果您在右侧查看标题和参数。使用 reuqests 包我发现您只需要传递页面参数即可获取所需的信息。
params = (
('c[]', 'Rio de Janeiro'),
('pagina', '2'),
('_', '1596444852311'),
)
您可以更改页码以获取接下来的 40 项内容。您还知道此页面上有 590 项。
这是第二页。
因此,作为 Scrapy 中的一个最小示例
代码示例
class TestSpider(scrapy.Spider):
name = 'test'
allowed_domains = ['vagas.com.br']
data = {
'c[]': 'Rio de Janeiro',
'pagina': '2',
'_':'1596444852311'}
def start_requests(self):
url = 'https://www.vagas.com.br/vagas-em-rio-de-janeiro'
yield scrapy.Request(url=url,callback=self.parse,meta={'data':self.data})
def parse(self, response):
card = response.xpath('//li[@class="vaga even "]')
print(card)
解释
在构建第一个 URL 时,我们使用start_requests
meta 参数并传递一个名为 data 的字典,并将我们的参数值提供给 HTTP 请求。当您单击按钮时,这将获取页面接下来 40 项的 HTML。
推荐阅读
- android - CollapsingToolbarLayout 忽略 exitUntilCollapsed 标志并在软键盘可见时滚动出视图
- javascript - 通过列表元素在循环中添加 css ::before
- r - UseMethod(“SK”)中的错误:没有适用于“SK”的适用方法应用于“字符”类的对象
- c# - c#中单元测试时的问题
- python - pygame中矩形碰撞时的问题
- c - C if 语句,检查特殊字符和字母的最佳方法
- file-manager - 选择图像后如何停止 alexusmai 文件管理器填充图像宽度和高度?
- windows - Tomcat 无法启动(Windows 10)
- python - 在 Spyder (Anaconda 3) 中安装了 aiohttps 和 nest_asyncio,但仍然出现运行时错误
- python - 为什么我不能使用变量名 delclass?