0
動的に読み込まれたコンテンツを含むウェブページでスクラップの問題が発生しています。私はクロームのdevのツールでチェックする場合スクラップスプラッシュレンダリングjsページに関する問題
import scrapy
from scrapy_splash import SplashRequest
class MySplashSpider(scrapy.Spider):
# requires the scrapy-splash docker image running
name = "psplash"
def __init__(self):
self.domain = 'http://www.phillips.com'
self.user_agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:10.0) Gecko/20100101 Firefox/10.0"
self.script = """
function main(splash)
local num_scrolls = 3
local scroll_delay = 1.0
splash:set_viewport_full()
splash:wait(5.0)
return splash:html()
end
"""
self.splash_args = {'lua_source': self.script,
'ua': self.user_agent
}
def start_requests(self):
base_url = "https://www.phillips.com/auctions/past/filter/Department=20TH%20CENTURY%20%26%20CONTEMPORARY%20ART!Editions!Latin%20America!Photographs"
yield SplashRequest(base_url,
callback = self.parse_pagination,
endpoint = 'execute',
args = self.splash_args
)
def parse_pagination(self, response):
print('xxxxxxxxxx', response.xpath("//footer/ul/li[last()-1]/a/text()").extract())
print('xxxxxxxxxx', response.xpath("//h2/a/@href").extract())
：私scrapyスプラッシュスパイダーは、ページ全体のHTMLをスクロールして返す必要がありLUAスクリプトを使用しています
docker run -p 8050:8050 scrapinghub/splash --disable-private-mode
：私はスプラッシュドッキングウィンドウの画像を開始しました
[
{"response_text": "hello world", "response_xpath_value": []}
]
コンソール：「私はresponse.xpathのための何の結果を得ていないのですなぜ//footer/ul/li[last()-1]/a/text() ため29を取得メートル出力にエラーは表示されません。
2017-12-16 13:05:16 [scrapy.core.engine] INFO: Spider opened
2017-12-16 13:05:16 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
xxxxxxxxxx []
xxxxxxxxxx []
2017-12-16 13:05:21 [scrapy.core.engine] INFO: Closing spider (finished)
2017-12-16 13:05:21 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 986,
'downloader/request_count': 1,
'downloader/request_method_count/POST': 1,
'downloader/response_bytes': 163,
'downloader/response_count': 1,
'downloader/response_status_count/200': 1,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2017, 12, 16, 12, 5, 21, 707451),
'log_count/INFO': 7,
'log_count/WARNING': 1,
'response_received_count': 1,
'scheduler/dequeued': 2,
'scheduler/dequeued/memory': 2,
'scheduler/enqueued': 2,
'scheduler/enqueued/memory': 2,
'splash/execute/request_count': 1,
'splash/execute/response_count/200': 1,
'start_time': datetime.datetime(2017, 12, 16, 12, 5, 16, 816927)}
2017-12-16 13:05:21 [scrapy.core.engine] INFO: Spider closed (finished)
ここで私は何を欠席しましたか？