Scrapy实战之抓取ajax网站
2016-04-13 12:27
330 查看
目标网站为http://www.ccgp-hubei.gov.cn,经检查HTML代码发现这个网页有一个iframe,iframe里面的内容才是网站的真正有用的内容,所以第一步是要先找到真正的URL。
以http://www.ccgp-hubei.gov.cn/fnoticeAction!listFNotice.action为例,这个网址的主要结构是一个分页的列表,有上页、下页等等。查看这两个按钮的HTML Element可以看到这是一个js的函数:
一开始的时候我一直在想,既然这是js函数,那我就用ScrapyJS + Splash的组合来解决,但是经过试验发现出现了一个问题。就是在Splash脚本中,可以修改
无奈之下,我换了种思路,开启F12,点击“下页”按钮,看看浏览器倒底做了什么,如图所示:
这就量浏览器POST的数据,这下尝试一下直接向服务器发送这些数据:
结果如下所示,可以看到页码果然已经转到了第二页,至此问题结束。
以http://www.ccgp-hubei.gov.cn/fnoticeAction!listFNotice.action为例,这个网址的主要结构是一个分页的列表,有上页、下页等等。查看这两个按钮的HTML Element可以看到这是一个js的函数:
一开始的时候我一直在想,既然这是js函数,那我就用ScrapyJS + Splash的组合来解决,但是经过试验发现出现了一个问题。就是在Splash脚本中,可以修改
document.title = "hello"之类的东西,但是调用了js函数转到另一个链接之后,返回的仍然是最开始时候的HTML代码,无论是用
splash:html()还是
document.body.innetHTML都不行。不知道到底是没有运行js函数成功,还是Splash本身的问题,在网上查找了一下,发现遇到这种问题的人很多,但是没有一个可行的方案,最后GitHub上某大神告诉我Splash在开发
splash:mouse_click()函数,让我静静等待。
无奈之下,我换了种思路,开启F12,点击“下页”按钮,看看浏览器倒底做了什么,如图所示:
这就量浏览器POST的数据,这下尝试一下直接向服务器发送这些数据:
# -*- coding: utf-8 -*- from scrapy.spiders import Spider from scrapy.http import FormRequest from scrapy.shell import inspect_response class ThirdSpider(Spider): name = 'ThirdSpider' download_delay = 0 start_urls = [ 'http://www.ccgp-hubei.gov.cn/fnoticeAction!listFNotice.action' ] def parse(self, response): formdata = {"queryInfo.BEGINTIME1": "", "queryInfo.BEGINTIME2": "", "queryInfo.CGFS": "", "queryInfo.CGLX": "", "queryInfo.ENDTIME1": "", "queryInfo.ENDTIME2": "", "queryInfo.FBRMC": "", "queryInfo.GGLX": "", "queryInfo.QYBM": "", "queryInfo.TITLE": "", "queryInfo.curPage": "2", "queryInfo.pageSize": "15", "rank": ""} yield FormRequest.from_response(response, formdata=formdata, callback=self.parse_item) def parse_item(self, response): inspect_response(response, self)
结果如下所示,可以看到页码果然已经转到了第二页,至此问题结束。
相关文章推荐
- 决定网站命脉的SEO核心关键词选取
- 运营地方旅游网站是否还有生存空间?
- keepalived实现高可用集群方案
- 首席架构师徐海峰眼中的架构和出色的架构师
- 用 javascript 脚本,网站判读来访者是手机还是电脑
- java电子书很好的下载网站收藏
- MVP架构
- Linux kernel内核架构的理解
- Windows 2008 开启80端口实现外网访问网站
- 架构设计-网关服务器
- 九、搭建织梦cms网站
- Android官方MVP架构示例项目解析
- 【SDCC讲师专访】首席架构师徐海峰眼中的架构和出色的架构师
- 10款WordPress的插件让你的网站的移动体验
- java集合框架02——Collection架构与源码分析
- 程序架构的优化和设计,架构师必须悟透的事情
- 要想精准提升注册转化率,这三大要素你要知道!
- 银航娱乐平台官方网站+q 7 9 8 2 9 3
- 菲娱娱乐平台官方网站+q 7 9 8 2 9 3
- 凤凰娱乐平台官方网站+q 7 9 8 2 9 3