如何使用Scrapy 1.4.0从javascript抓取数据？

Question

对不起我的英语不好。 我是初学者，需要一些指导。 我在刮除某些网站时遇到了问题。 这是我的蜘蛛：

import scrapy
from bs4 import BeautifulSoup as bs

class SomeSiteSpider(scrapy.Spider):
    name = 'somesite'

    def start_requests(self):
        urls = [
            'http://somesite.ru/proxies/'
        ]

        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)

    def parse(self, response):
        token = response.css('input[name="xf0"]::attr(value)').extract_first()
        data = {
            'xpp': '4',
            'xf1': '4',
            'xf0': token,
            'xf2': '0',
            'xf4': '0'
        }
        yield scrapy.FormRequest(url='http://somesite.ru/proxies/', formdata=data, callback=self.parse_proxy, method='POST')

    def parse_proxy(self, response):
        page = bs(response.body, "html.parser")
        table = page.select('td[align="center"] > table[cellspacing="1"]')
        table = bs(str(table), 'html.parser')
        print(table.prettify())

我需要解析这个：

<font class="spy14">
  "200.200.200.200"
  <script type="text/javascript"></script>
  <font class="spy2">:</font>
  "8080"
</font>

但是我的蜘蛛输出：

<font class="spy14">
    200.200.200.200
    <script type="text/javascript">
     document.write("<font class=spy2>:<\/font>"+(l2k1o5^f6l2)+(j0s9i9^e5z6)+(i9w3m3^s9p6)+(g7u1q7^u1j0)+(h8x4r8^n4s9))
    </script>
</font>

该网站上没有AJAX请求 。

蜘蛛输出的图片

Answer 1

Scrapy不会开箱即用地执行Javascript。 为此，您需要将PhantomJS或Splash之类的浏览器仿真集成到scrapy中。 您还可以使用Selenium在真实的浏览器实例中呈现Javascript，尽管这甚至更加复杂。

首先，我建议您使用Splash。 它是由Scrap开发人员建立的，有据可查，并且与Scrapy集成得很好。 入门的好方法是： https : //github.com/scrapy-plugins/scrapy-splash