【实战】scrapy-redis + webdriver 爬取航空网站_航司基础数据爬虫地址(1)

‘’’
        print(f"chrome is getting page")

# 初始化ChromeOption
        option = webdriver.ChromeOptions()
        option.add_argument(‘headless’) # 无头模式
        # 添加UA
        option.add_argument(
            ‘–user-agent=“Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36”’)
        option.add_argument(‘–disable-infobars’) # 禁用webdriver控制浏览器的提示

# 创建driver实例
        driver = webdriver.Chrome(chrome_options=option)

# 访问目标网址
        driver.get(request.url)

# 等待加载完成，这里应该写成动态加载，由于是演示，就偷懒了
        time.sleep(5)

body = driver.page_source

# 关闭driver
        driver.quit()

# 通过page_source构建新的response病返回
        return HtmlResponse(url=request.url,
                            body=body,
                            request=request,
                            # 最好根据网页的具体编码而定
                            encoding=‘utf-8’,
                            status=200)

 


在下载中间件中，我们使用webdriver访问url地址，并将page\_source构建成为新的response返回给spider。


 


其他部分


 


完成了中间件的编写之后，我们还需要完善一下其他部分。首先是要在settings文件中打开下载中间件，如果不打开中间件的话，虽然我们编写了下载中间件，但是却不会调用。

DOWNLOADER_MIDDLEWARES = {
    # ‘example.middlewares.UserAgentMiddleware’:543,
    ‘example.middlewares.SeleniumMiddleware’:543,
}

 


在setting文件中设置好中间件后，我们需要完善一下spider文件。这里将分析省略，直接上代码。

from scrapy_redis.spiders import RedisSpider
from bs4 import BeautifulSoup
from example.items import ExampleItem
import time

class MySpider(RedisSpider):
    “”“Spider that reads urls from redis queue (myspider:start_urls).”“”
    name = ‘ceair’
    redis_key = ‘ceair’

def init(self, *args, **kwargs):
        # Dynamically define the allowed domains list.
        domain = kwargs.pop(‘domain’, ‘’)
        self.allowed_domains = filter(None, domain.split(‘,’))
        super(MySpider, self).init(*args, **kwargs)

def parse(self, response):

html_body = BeautifulSoup(response.text,‘lxml’)
        flights = html_body.find_all(class_=‘flight’)
        for flight_info in flights:
            item = ExampleItem()
            title = flight_info.find(class_=‘title’)
            item[‘title’] = (title.get_text())

start_info = flight_info.find(class_=‘airport r’)
            item[‘start_info’] = (start_info.get_text())

middle_info = flight_info.find(class_=‘mid’)
            item[‘middle_info’] = (middle_info.get_text())

end_info = flight_info.find(class_=‘airport’)
            item[‘end_info’] = (end_info.get_text())

cost_time = flight_info.find(‘dfn’)
            item[‘cost_time’] = (cost_time.get_text())

price_luxury = flight_info.find(class_=‘luxury’)
            item[‘price_luxury’] = (price_luxury.get_text())

price_economy = flight_info.find(class_=‘economy’)
            item[‘price_economy’] = (price_economy.get_text())

price_member = flight_info.find(class_=‘member’)
            item[‘price_member’] = (price_member.get_text())

item[‘update_time’] = time.strftime(‘%Y.%m.%d %H:%M:%S’,time.localtime(time.time()))

yield item

 


管道文件。同样省略讲解。

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！