文件名称：scrapy动态爬虫并存入mysql
文件大小：15KB
文件格式：RAR
更新时间：2021-08-07 03:14:47
scrapy 动态爬虫 selenium
有时候，我们天真无邪的使用urllib库或Scrapy下载HTML网页时会发现，我们要提取的网页元素并不在我们下载到的HTML之中，尽管它们在浏览器里看起来唾手可得。 这说明我们想要的元素是在我们的某些操作下通过js事件动态生成的。举个例子，我们在刷QQ空间或者微博评论的时候，一直往下刷，网页越来越长，内容越来越多，就是这个让人又爱又恨的动态加载。 爬取动态页面目前来说有两种方法 分析页面请求（这篇介绍这个） selenium模拟浏览器行为（霸王硬上弓，以后再说） 言归正传，下面介绍一下通过分析页面请求的方法爬取动态加载页面的思路。中心思想就是找到那个发请求的javascript文件所发的请求。 举两个例子，京东评论和上证股票。 后注：本文的两个例子都是get请求，可以显示的在浏览器中查看效果，如果是post请求，需要我们在程序中构造数据，构造方法可以参考我从前的一篇博文Scrapy定向爬虫教程(六)——分析表单并回帖。 京东评论 这是一个比较简单的例子。 首先我们随便找一个热卖的商品，评论比较多。 就这个吧威刚(ADATA) SU800 256G 3D NAND SATA3固态硬盘。 点进去看看这个页面现在的状况 图一 滚动条给的第一印象感觉这页仿佛没多少内容。 键盘F12打开开发者工具，选择Network选项卡，选择JS（3月12日补：除JS选项卡还有可能在XHR选项卡中，当然也可以通过其它抓包工具），如下图 图二 然后，我们来拖动右侧的滚动条，这时就会发现，开发者工具里出现了新的js请求（还挺多的），不过草草翻译一下，很容易就能看出来哪个是取评论的，如下图 图三 好，复制出js请求的目标ur
【文件预览】：
ScrapySeleniumTest-master
----ghostdriver.log(4KB)
----scrapy.cfg(280B)
----.idea()
--------misc.xml(288B)
--------modules.xml(302B)
--------workspace.xml(408B)
--------inspectionProfiles()
--------ScrapySeleniumTest-master.iml(284B)
----.gitignore(27B)
----scrapyseleniumtest()
--------ghostdriver.log(4KB)
--------middlewares.py(2KB)
--------pipelines.py(1KB)
--------spiders()
--------__pycache__()
--------items.py(363B)
--------__init__.py(0B)
--------settings.py(3KB)
----README.md(55B)