python - 在 python Scrapy 中执行 SplashRequest 时添加等待元素

Question

我正在尝试在 python 中使用 Splash for Scrapy 来抓取一些动态网站。但是，我看到 Splash 在某些情况下无法等待完整页面加载。解决此问题的一种蛮力方法是添加较长的 wait 时间(例如，以下代码段中的 5 秒)。然而，这是非常低效的，并且仍然无法加载某些数据(有时加载内容需要超过 5 秒)。是否存在某种可以通过这些请求放置的等待元素条件？

yield SplashRequest(
          url, 
          self.parse, 
          args={'wait': 5},
          'User-Agent':"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36",
          }
)

Answer 1

是的，您可以编写 Lua 脚本来执行此操作。类似的东西:

function main(splash)
  splash:set_user_agent(splash.args.ua)
  assert(splash:go(splash.args.url))

  -- requires Splash 2.3  
  while not splash:select('.my-element') do
    splash:wait(0.1)
  end
  return {html=splash:html()}
end

在 Splash 2.3 之前，您可以使用 splash:evaljs('!document.querySelector(".my-element")') 而不是 not splash:select('.my-element ').

将此脚本保存到变量 (lua_script = """... """)。然后你可以发送这样的请求:

yield SplashRequest(
    url, 
    self.parse, 
    endpoint='execute',
    args={
        'lua_source': lua_script,
        'ua': "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36"
    }
}

参见脚本 tutorial和 reference有关如何编写 Splash Lua 脚本的更多详细信息。