scrapy-splash不会返回所有数据

dsf9zpds 于 2022-11-09 发布在其他

关注(0)|答案(1)|浏览(185)

我试图创建一个可以从某个网站刮数据的刮刀，例如：
https://www.spicejet.com/search?from=BOM&to=BLR&tripType=1&departure=2022-04-20&adult=1&child=0&infant=0&currency=USD&redirectTo=/
问题是，它只收集了一些数据，但我真正需要的（航班的详细信息）并没有返回。
我需要这个div元素：其中包含了许多div，其中包含了航班的详细信息，但是当我使用scrapy-splash时，我只得到了这个div元素，而没有他的children元素--这些元素存储了数据。
我知道有几个类似的问题，但没有一个解决方案有帮助。
这就是代码：

class SpiceJetSpider(scrapy.Spider):

    name = "spiceJet"       
    flight_search_results = []
    custom_settings = {
        'BOT_NAME' : 'flightsCadgerScrapy',

        'SPIDER_MODULES' : ['flightsCadgerScrapy.spiders'],
        'NEWSPIDER_MODULE' : 'flightsCadgerScrapy.spiders',

        'SPLASH_URL' : 'http://localhost:8050',

        'DOWNLOADER_MIDDLEWARES' : {
            'scrapy_splash.SplashCookiesMiddleware': 723,
            'scrapy_splash.SplashMiddleware': 725,
            'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
        },

        'SPIDER_MIDDLEWARES' : {
            'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
        },

        'DUPEFILTER_CLASS' : 'scrapy_splash.SplashAwareDupeFilter',

        'HTTPCACHE_STORAGE' : 'scrapy_splash.SplashAwareFSCacheStorage'
    }

    def __init__(self, flight_search_request):
        self.url = 'https://www.spicejet.com/search?from=BOM&to=BLR&tripType=1&departure=2022-04-20&adult=1&child=0&infant=0&currency=USD&redirectTo=/'

    def start_requests(self):   
        yield SplashRequest(self.url, self.parse, args={'wait': 6})

    def parse(self, response):
        flight_obj = response.css('div').getall()
        self.flight_search_results.append(flight_obj)

        return self.flight_search_results

我得到的响应包含一个div列表，但我需要的那个是空的。
谢谢你！

scrapy

来源：https://stackoverflow.com/questions/71470363/scrapy-splash-doesnt-return-all-of-the-data

1条答案

按热度按时间

qxgroojn1#

加载大量javascript的网站的首选方法是使用scrapy-playwright。它比scrapy-splash更简单，更容易设置。请从here阅读更多关于它的使用。
下面的示例代码显示了如何使用它来获取页面的呈现html，然后可以解析该页面以获取所需的数据。

import scrapy

class SpiceJetSpider(scrapy.Spider):

    name = "spiceJet"
    custom_settings = dict(
        DOWNLOAD_HANDLERS={
            "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",
        },
        TWISTED_REACTOR = "twisted.internet.asyncioreactor.AsyncioSelectorReactor"
    )

    def start_requests(self):
        url = 'https://www.spicejet.com/search?from=BOM&to=BLR&tripType=1&departure=2022-04-20&adult=1&child=0&infant=0&currency=USD&redirectTo=/'
        yield scrapy.Request(url, meta={'playwright': True})

    def parse(self, response):
        # do all the parsing you need of the response here
        yield {
            "html": response.text
        }

赞(0）回复(0）举报 2022-11-09

我来回答

scrapy-splash不会返回所有数据

1条答案

相关问题

热门标签

最新问答