我试图刮一个动态生成的网站使用 selenium +Scrapy。
我已经成功地从第一页刮下了项目,但当我试图进入下一页时,似乎为 selenium 生成的浏览器总是在请求同一页。
我正在尝试:
1.-执行parse函数以提取第一页数据。
2.-提取完成后,搜索Next按钮并获取href属性。
3.-再次调用相同的函数发送新的url。
import scrapy
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
class IndeedSpiderSpider(scrapy.Spider):
name = "indeed"
allowed_domains = ["es.indeed.com"]
def start_requests(self):
url = "https://es.indeed.com/jobs?q&l=Barcelona"
yield scrapy.Request(url=url, callback=self.parse_jobs)
def parse_jobs(self, response):
driver = webdriver.Firefox()
driver.get("https://es.indeed.com/jobs?q&l=Barcelona")
driver.implicitly_wait(10)
offersnames=driver.find_elements(By.XPATH, "//td/div/h2/span")
for i in range(len(offersnames)):
yield {
"name": offersnames[i].text
}
next_page_element = driver.find_element(By.CSS_SELECTOR, "ul.pagination-list > li:last-child > a")
next_page_url=next_page_element.get_attribute("href")
if next_page_url:
next_page = response.urljoin(next_page_url)
yield scrapy.Request(url=next_page, callback=self.parse_jobs)
driver.quit()
1条答案
按热度按时间7gcisfzg1#
你应该使用click事件来代替scrapy.Request。一般结构应该是;等待页面完全加载;等待按钮出现在页面上。2然后点击按钮。3然后得到更新的页面,类似于:
我还没有运行代码,但在这些行的东西。