0
スクリプトを含むページをクロールするためにScrapy(scrapyjs)を適用しようとしています。 splash + scrapyを適用して、次のコードでレンダリングしました。ローカルホストを使用するのとまったく同じ引数である :8050サーバーに直接ScrapyJs(scrapy + splash)はスクリプトをロードできませんが、スプラッシュサーバーは正常に動作します
script = """
function main(splash)
local url = splash.args.url
assert(splash:go(url))
assert(splash:wait(0.5))
return {
html = splash:html(),
png = splash:png(),
har = splash:har(),
}
end
"""
splash_args = {
'wait': 0.5,
'url': response.url,
'images': 1,
'expand': 1,
'timeout': 60.0,
'lua_source': script
}
yield SplashRequest(response.url,
self.parse_list_other_page,
cookies=response.request.cookies,
args=splash_args)
応答HTMLは、私が必要とする要素が含まれていませんが、私はローカルホスト上で直接それを使用する場合スプラッシュサーバはうまく機能:8050。
問題がどこにあるか知っていますか?
This is my settings.py
SPLASH_URL = 'http://127.0.0.1:8050'
SPIDER_MIDDLEWARES = {
'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
}
# Enable or disable downloader middlewares
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html
DOWNLOADER_MIDDLEWARES = {
'scrapy_splash.SplashCookiesMiddleware': 723,
'scrapy_splash.SplashMiddleware': 725,
# scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 750,
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
}
# Crawl responsibly by identifying yourself (and your website) on the
user-agent
USER_AGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1)
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.111
Safari/537.36"
SPIDER_MIDDLEWARES = {
'scrapy_splash.SplashDeduplicateArgsMiddleware': 100,
}
# Enable or disable downloader middlewares
# See http://scrapy.readthedocs.org/en/latest/topics/downloader-middleware.html
DOWNLOADER_MIDDLEWARES = {
'scrapy_splash.SplashCookiesMiddleware': 723,
'scrapy_splash.SplashMiddleware': 725,
# scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware': 750,
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
}
2秒のように大きな値を設定するのに疲れましたか? – mizhgun
クロールしようとしているURLを教えてもらえますか? –