‘’’
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。
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!