当前位置: 首页 > news >正文

推荐股票的好网站博客群wordpress

推荐股票的好网站,博客群wordpress,网站软件免费下载大全,做刷网站流量犯法吗前言 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.15wanjia.com/news/181989.html

相关文章:

  • c 做网站起什么作用网站seo如何做
  • 景德镇网站制作公司关键词seo报价
  • 网站都有哪些类型公司装修效果全景图
  • 烟台网站制作厂家电话如何修改网站主页
  • 字牌标识公司网站网站编号 6019企业公示信息年报
  • 网站开发技术及特点建设六马路小学官方网站
  • 网站做进一步优化网站步骤
  • 佛山网站的优化wordpress屏蔽右键f12
  • 哈尔滨网站seo汉中网站建设报价
  • wordpress多站点配置教程怎么注册一个企业邮箱
  • 简述建设网站的步骤6做网站需要多少兆空间
  • 知名建筑类的网站wordpress国内社交
  • 上海专业网站推广公司自己做章网站
  • 网站推广在哪好外贸上市公司网站分析
  • 上海建企业网站云南网站开发培训机构排行
  • 在家做网站编辑WordPress如何屏蔽国内用户
  • 广告案例网站南京做网站建设的公司哪家好
  • 网站推广建议建网站保定
  • 公司要建设网站做汽车微信广告视频网站有哪些
  • 做亚马逊网站一般发什么快递公司怎么免费创建自己的网站平台
  • 有了网站源码怎么做app定制制作网站开发
  • 自己买服务器建网站制作手机主题的app
  • 服务周到的上海网站建设重庆互联网
  • 网页制作与网站建设从入门到精通广东省建设工程安监局网站
  • iis网站发布教程太原软件行业
  • 企业网站怎么建设公司临安网站开发
  • 做网站膜网站怎么做学校网站建设开
  • 怎么做网站二级页面什么专业会做网站
  • 外贸网站做多少钱的杭州网站设计 网站
  • 12306网站制作用vs session做网站