scrapy_selenium爬取Ajax、JSON、XML网页:豆瓣电影

要使用Scrapy-Selenium来爬取豆瓣电影的Ajax、JSON或XML数据,你需要安装Scrapy-Selenium,并编写一个Spider来使用Selenium WebDriver加载页面,并提取所需的数据。以下是一个简单的例子:

  1. 安装Scrapy-Selenium:



pip install scrapy-selenium
  1. 确保你有一个Selenium WebDriver,例如ChromeDriver或GeckoDriver。
  2. 创建一个Scrapy项目和Spider:



scrapy startproject dym_crawler
cd dym_crawler
scrapy genspider dym_spider dym.com
  1. 编辑dym_crawler/spiders/dym_spider.py来使用Selenium:



import json
import scrapy
from scrapy_selenium import SeleniumRequest
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
 
class DymSpider(scrapy.Spider):
    name = 'dym_spider'
    allowed_domains = ['douban.com']
    start_urls = ['https://movie.douban.com/']
 
    def start_requests(self):
        # 使用SeleniumRequest替代原生的Scrapy Request
        yield SeleniumRequest(
            self.parse_ajax,
            url='https://movie.douban.com/j/chart/top_list?type=5&interval_id=100%3A90&action=&start=0&limit=20',
            callback=self.parse,
            wait_until=EC.presence_of_element_located((By.CSS_SELECTOR, 'div.indent'))
        )
 
    def parse_ajax(self, response):
        # 解析Ajax响应内容
        data = json.loads(response.text)
        for movie in data.get('data', []):
            yield {
                'title': movie.get('title'),
                'rating': movie.get('rating'),
                'url': movie.get('url')
            }
 
    def parse(self, response):
        # 解析页面内容
        # 这里你可以提取其他你需要的数据
        pass

在上面的代码中,SeleniumRequest会启动一个Selenium会话,加载页面,并等待直到指定的条件被满足才会继续执行回调函数。在这个例子中,我们等待电影列表出现在页面上,然后解析Ajax响应内容。

确保你的Selenium WebDriver配置正确,并且在运行Spider之前启动了Selenium服务。如果你想要爬取其他类型的数据(如JSON或XML),你可以根据页面上数据的来源调整XPath或CSS选择器来提取数据。

评论已关闭

推荐阅读

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日