Scrapy爬虫框架案例学习之五(爬取京东图书信息通过selenium中间件技术)




import scrapy
from scrapy.selector import Selector
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
 
class JdBookSpider(scrapy.Spider):
    name = 'jd_book'
    allowed_domains = ['jd.com']
    start_urls = ['https://book.jd.com/booksort.html']
 
    def __init__(self):
        self.driver = webdriver.Chrome()
 
    def parse(self, response):
        self.driver.get(response.url)
        categories = self.driver.find_elements(By.CSS_SELECTOR, '.mc .name a')
        for category in categories:
            url = category.get_attribute('href')
            yield scrapy.Request(url, callback=self.parse_category)
 
    def parse_category(self, response):
        self.driver.get(response.url)
        WebDriverWait(self.driver, 10).until(
            EC.presence_of_all_elements_located((By.CSS_SELECTOR, '.gl-item'))
        )
        items = self.driver.find_elements(By.CSS_SELECTOR, '.gl-item')
        for item in items:
            book_info = {
                'name': item.find_element(By.CSS_SELECTOR, '.p-name a').text,
                'price': item.find_element(By.CSS_SELECTOR, '.p-price strong').text,
                'comment_num': item.find_element(By.CSS_SELECTOR, '.p-commit a').text,
                'shop_name': item.find_element(By.CSS_SELECTOR, '.p-shop a').text,
            }
            yield book_info
 
    def close(self, reason):
        self.driver.close()

这个示例代码使用了Selenium的WebDriver来处理JavaScript渲染的内容。它首先通过Selenium访问书籍分类页面,然后获取所有书籍分类的URL,并为每个分类创建一个爬取请求。在parse_category回调函数中,它使用Selenium获取书籍信息列表,并通过CSS选择器定位每本书的信息。最后,在爬虫关闭时,调用close方法关闭WebDriver。这个例子展示了如何结合Scrapy和Selenium来处理动态加载的内容。

最后修改于:2024年08月10日 13:37

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日