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):
# 当引擎从调度器中取出request进行请求发送下载器之前
# 会先执行当前的爬虫中间件 ,在中间件里面使用selenium
# 请求这个request ,拿到动态网站的数据 然后将请求
# 返回给spider爬虫对象
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 = driv
scrapy中间件获取动态数据
最新推荐文章于 2023-06-27 09:27:25 发布
本文介绍如何利用Scrapy中间件处理动态加载的内容,通过集成Selenium或Splash等工具,实现对JavaScript渲染页面的数据抓取,确保获取到完整的网页信息。
摘要由CSDN通过智能技术生成