上文分享了scrapy的基本用法,利用scrapy提供的xpath等分析方法,可以解决静态html数据的分析和获取。但要素信息不仅存在于静态html中,有可能js代码按需请求并在浏览器中解析从而动态生成要素,称为异步加载、动态加载等。由于大量元素按需加载,这种方法可以有效降低带宽的压力。
由于动态加载,爬虫http响应获取的结果并不包含全部信息,原因是有的元素是二次请求得到的。既然元素是经过二次请求,我们可以通过抓包分析,得到二次请求url的规律,发送二次请求从而解决动态加载问题。
# -*- coding: utf-8 -*-
from scrapy import Request
from scrapy.spiders import Spider#导入Spider类
from douban.items import DoubanItem #导入Item类
import json
class MoviesSpider(Spider):
name = 'movies'
currentPage = 1#当前页,默认为1
def start_requests(self):#获取初始请求
url = "https://movie.douban.com/j/new_search_subjects?tags=电影&start=0"
#生成请求对象
yield Request(url)
def parse(self, response):#数据解析
item = DoubanItem()#生成DoubanItem对象
#获取到json格式的数据
json_text = response.text
#使用json.loads解码json数据