当前位置: 首页 > news >正文

网页转向网站上海专业的seo公司

网页转向网站,上海专业的seo公司,大连企业网站模板,网络营销技巧培训前言 Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。 当然,对网页中的ajax请求…

前言

Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。

当然,对网页中的ajax请求它是无能无力的,但结合mitmproxy几乎无所不能:Scrapy + PlayWright模拟用户点击,mitmproxy则在后台抓包取数据,登录一次,运行一天。

最终,我通过asyncio把这几个工具整合到了一起,基本达成了自动化无人值守的稳定运行,一篇篇的文章送入我的ElasticSearch集群,经过知识工厂流水线,变成知识商品。

”爬虫+数据,算法+智能“,这是一个技术人的理想。

配置与运行

安装:

pip install scrapy

当前目录下有scrapy.cfg和settings.py,即可运行scrapy

命令行运行:

scrapy crawl ArticleSpider

在程序中运行有三种写法:

from scrapy.cmdline import executeexecute('scrapy crawl ArticleSpider'.split())

采用CrawlerRunner:

# 采用CrawlerRunner
from twisted.internet.asyncioreactor import AsyncioSelectorReactor
reactor = AsyncioSelectorReactor()runner = CrawlerRunner(settings)
runner.crawl(ArticleSpider)
reactor.run()

采用CrawlerProcess

# 采用CrawlerProcess
process = CrawlerProcess(settings)
process.crawl(ArticleSpider)
process.start()

和PlayWright的集成

安装

pip install scrapy-playwright
playwright install
playwright install firefox chromium

settings.py配置

BOT_NAME = 'ispider'SPIDER_MODULES = ['ispider.spider']TWISTED_REACTOR = 'twisted.internet.asyncioreactor.AsyncioSelectorReactor'
DOWNLOAD_HANDLERS = {"https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler","http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",
}CONCURRENT_REQUESTS = 32
PLAYWRIGHT_MAX_PAGES_PER_CONTEXT = 4
CLOSESPIDER_ITEMCOUNT = 100PLAYWRIGHT_CDP_URL = "http://localhost:9900"

爬虫定义

class ArticleSpider(Spider):name = "ArticleSpider"custom_settings = {# "TWISTED_REACTOR": "twisted.internet.asyncioreactor.AsyncioSelectorReactor",# "DOWNLOAD_HANDLERS": {#     "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",#     "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",# },# "CONCURRENT_REQUESTS": 32,# "PLAYWRIGHT_MAX_PAGES_PER_CONTEXT": 4,# "CLOSESPIDER_ITEMCOUNT": 100,}start_urls = ["https://blog.csdn.net/nav/lang/javascript"]def __init__(self, name=None, **kwargs):super().__init__(name, **kwargs)logger.debug('ArticleSpider initialized.')def start_requests(self):for url in self.start_urls:yield Request(url,meta={"playwright": True,"playwright_context": "first","playwright_include_page": True,"playwright_page_goto_kwargs": {"wait_until": "domcontentloaded",},},)async def parse(self, response: Response, current_page: Optional[int] = None) -> Generator:content = response.textpage = response.meta["playwright_page"]context = page.contexttitle = await page.title()while True:## 垂直滚动下拉,不断刷新数据page.mouse.wheel(delta_x=0, delta_y=200)time.sleep(3)pass

参考链接

  • 官方scrapy-playwright插件
  • 崔庆才丨静觅写的插件GerapyPlaywright
http://www.tj-hxxt.cn/news/79458.html

相关文章:

  • 视频号网页版怎么发布视频广州seo网站服务公司
  • 做网站邯郸促销活动推广方法有哪些
  • 我们一起做网站软文推广文章范文1000
  • 网片价格台州做优化
  • 有没有帮忙做标书的网站百度关键词优化策略
  • 西安网站开发工程师百度销售平台
  • 网站建设及使用谷歌手机版下载安装
  • 做网站 服务器成品网站货源1
  • cms做的电影网站优化用户体验
  • 男的直接做的视频网站南昌百度网站快速排名
  • 外贸会计做账流程无锡优化网站排名
  • 建设网站好公司哪家好新手怎么入行seo
  • 哪个网站找做软件百度推广平台登录
  • 网站移动端的设计思想社区建站网站系统
  • wordpress网站目录镇江网站
  • 电子商务网站建设与运营做网销的一天都在干嘛
  • 艾特软件 网站建设网络营销百度百科
  • 如何做独立的网站销售seo网站页面优化包含
  • 网站建设的相应技术seo优化思路
  • wordpress增加网站网页关键词万能搜索
  • 马克·扎克伯格大学做的网站百度app登录
  • 域名分析网站seo网络推广专员
  • php旅游网站模板下载阿里云域名注册万网
  • 厦门市网站建设淘宝店铺怎么运营
  • 做汤的网站简单的网页设计源代码
  • wordpress企业主题制作教程珠海seo快速排名
  • 做网站seo优化的公司北京it培训机构哪家好
  • 网站开发qq群买链接网站
  • 个人如何做微商城网站大丰seo排名
  • 网站建设支出网络营销模式下品牌推广研究