scrapy爬取前端渲染页面

最近用scrapy写的爬虫爬一个页面的时候，页面结构明明是有内容的，但是xpath定位却是空的，我意识到这是一个Vue写的页面，数据是动态渲染的，于是在网上找到一个插件splash。

1. 安装splash

• 通过docker 安装一下splash，我直接在nas上的docker里安装的，大家有服务器的可以跑在服务器的docker里，或者win7下跑一会儿也行，嘻嘻（docker安装教程,这里不讲了）
• 执行运行指令（nas上配置好端口，运行就完了）

$ docker run -p 8050:8050 -p 8051:8051 scrapinghub/splash

• 运行好之后，打开127.0.0.1:8050，我是在nas上，打开本地端口：nas地址：32768

  
  123.png
  

  出现下图，表示splash启动成功

  
  322.png

2. 在scrapy项目中配置

• 安装scrapy-splash

pip install scrapy-splash

• 在settings.py中添加配置项

#你刚刚开启的splash服务的地址
SPLASH_URL = 'http://192.168.11.18:32768'  
# 开启Splash的两个下载中间件并调整HttpCompressionMiddleware的次序
DOWNLOADER_MIDDLEWARES = {
    'scrapy_splash.SplashCookiesMiddleware': 723,
    'scrapy_splash.SplashMiddleware': 725,
    'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
}
# 设置去重过滤器
DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'

• 在Spider中引入SplashRequest

  
  222.png

• 然后我们用SplashRequest 替换scrapy.Request发起请求就好了

// scrapy.Request(url= Url, callback = self.parseXXX)
SplashRequest(url= Url, args={'wait': 1},callback = self.parseXXX)

args参数中 wait表示延时，其他参数请自行查阅

ok，现在我们就可以愉快的抓取动态渲染的页面了，溜了。