scrapy 中间件重写,与selenium结合爬取动态页面

from scrapy.http.response.html import HtmlResponse
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
#自定义中间件
class CustomMiddleware(object):
    def process_request(self, request, spider):
        url = request.url
        opt = Options()
        opt.add_argument('--headless')
        #创建谷歌浏览器对象
        driver = webdriver.Chrome(chrome_options=opt)
        driver.get(url)
        #让浏览器滚动到底部
        for x in range(1,11,2):
            j = x / 10
            js = 'document.documentElement.scrolTop = document.documentElement.scrollHeigent*%f'%j
            driver.execute_script(js)
            #获取网页源代码
            page_source = driver.page_source
            #退出
            driver.quit()
            #根据网页源代码,创建htmlresponse对象
            #因为返回的是文本内容,指定字符编码格式
            response = HtmlResponse(url,body=page_source,encoding='utf-8',request=request)
            return response

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值