支持动态页面的Selenium我试着从网页上抓取产品信息,使用刮除。我被刮过的网页是这样的:从包含10个产品的ProductList页面开始单击“Next”按钮将加载接下来的10个产品(url不会在两页之间更改)我使用LinkExtractor跟踪每个产品链接到产品页面,并获取所需的所有信息我试图复制Next按钮Ajax调用,但是无法工作,所以我尝试Selenium。我可以在一个单独的脚本中运行Selenium的Webriver,但我不知道如何与scrapy集成。我应该把硒的部分放在我的刮伤蜘蛛里吗?我的蜘蛛非常标准,如下所示:class ProductSpider(CrawlSpider):
name = "product_spider"
allowed_domains = ['example.com']
start_urls = ['http://example.com/shanghai']
rules = [
Rule(SgmlLinkExtractor(restrict_xpaths='//div[@id="productList"]//dl[@class="t2"]//dt'), callback='parse_product'),
]
def parse_product(self, response):
self.log("parsing product %s" %response.url, level=INFO)
hxs = HtmlXPathSelector(response)
# actual data follows任何想法都会受到赞赏。谢谢!
添加回答
举报
0/150
提交
取消