标题## scrapy splash在ubuntu环境下的简单使用:
做爬虫的朋友经常会遇到一些动态加载的网站,比较常见的做法是使用selenium调用一个浏览器来加载,但是这种方法感觉大材小用,比较浪费资源,且效率低 。这个时候我们可以使用Splash。Splash可以执行用Lua 编程语言编写的自定义渲染脚本。这允许我们使用Splash作为类似于PhantomJS的浏览器自动化工具
- 使用docker拉取镜像:如果你还没有安装docker 请先安装docker, 安装好docker后直接拉取镜像就可以了
- 获取splash镜像:sudo docker pull scrapinghub/splash
- 运行:
(1). sudo docker run -p 8050:8050 scrapinghub/splash 前台运行splash服务器
(2)sudo docker run -d -p 8050:8050 scrapinghub/splash 后台运行plash服务器 - 运行成功后在浏览器中打开 http://127.0.0.1:8050/ 可以看到
- 安装scrapy-splash: pip3 install scrapy-splash
- scrapy使用:
7.# 1 导包
from scrapy_splash import SplashRequest
8.# # 2 重写start_requests方法def start_requests(self):
9.设置配置文件
#====================使用scrapy-splash 需要的额外配置
渲染服务的url
SPLASH_URL = ‘http://127.0.0.1:8050’
#下载器中间件
DOWNLOADER_MIDDLEWARES = {
‘scrapy_splash.SplashCookiesMiddleware’: 300,
‘scrapy_splash.SplashMiddleware’: 301,
‘scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware’: 302,
}
去重过滤器*
DUPEFILTER_CLASS = ‘scrapy_splash.SplashAwareDupeFilter’
使用Splash的Http缓存
HTTPCACHE_STORAGE = ‘scrapy_splash.SplashAwareFSCacheStorage’