python - 使用 python-Scrapy 抓取动态内容

Question

免责声明:我在 StackOverflow 上看到了许多其他类似的帖子，并尝试以相同的方式进行操作，但它们似乎不适用于该网站。

我正在使用 Python-Scrapy 从 koovs.com 获取数据。

但是，我无法获得动态生成的产品尺寸。具体来说，如果有人可以指导我从 this 的下拉菜单中获取“不可用”尺寸标签。链接，不胜感激。

我可以静态获取尺码列表，但这样做我只能获得尺码列表，而不是其中哪些是可用的。

Answer 1

您也可以使用 ScrapyJS 来解决它(不需要 selenium 和真正的浏览器):

This library provides Scrapy+JavaScript integration using Splash.

按照 Splash 的安装说明进行操作和 ScrapyJS ，启动splash docker容器:

$ docker run -p 8050:8050 scrapinghub/splash

将以下设置放入settings.py:

SPLASH_URL = 'http://192.168.59.103:8050' 

DOWNLOADER_MIDDLEWARES = {
    'scrapyjs.SplashMiddleware': 725,
}

DUPEFILTER_CLASS = 'scrapyjs.SplashAwareDupeFilter'

这是您的示例蜘蛛，它能够查看尺寸可用性信息:

# -*- coding: utf-8 -*-
import scrapy


class ExampleSpider(scrapy.Spider):
    name = "example"
    allowed_domains = ["koovs.com"]
    start_urls = (
        'http://www.koovs.com/only-onlall-stripe-ls-shirt-59554.html?from=category-651&skuid=236376',
    )

    def start_requests(self):
        for url in self.start_urls:
            yield scrapy.Request(url, self.parse, meta={
                'splash': {
                    'endpoint': 'render.html',
                    'args': {'wait': 0.5}
                }
            })

    def parse(self, response):
        for option in response.css("div.select-size select.sizeOptions option")[1:]:
            print option.xpath("text()").extract()

这是控制台上打印的内容:

[u'S / 34 -- Not Available']
[u'L / 40 -- Not Available']
[u'L / 42']