Scrapy Shell и Scrapy Splash

Question

Мы использовали scrapy-splash промежуточное программное обеспечение для передачи очищенного исходного кода HTML через Splash движок javascript, работающий внутри контейнера докера.

Если мы хотим использовать Splash в пауке, мы настраиваем несколько необходимых параметров проекта и получаем Request указав конкретные meta аргументы:

yield Request(url, self.parse_result, meta={
    'splash': {
        'args': {
            # set rendering arguments here
            'html': 1,
            'png': 1,

            # 'url' is prefilled from request url
        },

        # optional parameters
        'endpoint': 'render.json',  # optional; default is render.json
        'splash_url': '<url>',      # overrides SPLASH_URL
        'slot_policy': scrapyjs.SlotPolicy.PER_DOMAIN,
    }
})

Это работает как задокументировано. Но как мы можем использовать scrapy-splash внутри Scrapy Shell?

Answer 1

Просто оберните URL-адрес, который вы хотите использовать в http-интерфейсе.

Таким образом, вы хотели бы что-то вроде:

scrapy shell 'http://localhost:8050/render.html?url=http://domain.com/page-with-javascript.html&timeout=10&wait=0.5'

где localhost:port где работает ваша заставка
url это URL, который вы хотите ползать, и не забывайте указывать его!
render.html является одной из возможных конечных точек http api, в этом случае возвращает переведенную html-страницу
timeout время в секундах для тайм-аута
wait время в секундах, чтобы ждать выполнения JavaScript, прежде чем читать / сохранять HTML.

Answer 2

Вы можете запустить scrapy shell без аргументов внутри настроенного проекта Scrapy, затем создайте req = scrapy_splash.SplashRequest(url, ...) и позвонить fetch(req),

Answer 3

Для пользователей Windows, использующих Docker Toolbox:

1. Измените одиночную кавычку на двойную кавычку для предотвращения invalid hostname:http ошибка.

2. измените localhost на IP-адрес докера, который находится под логотипом кита. для меня это было192.168.99.100.

В итоге я получил вот это:

scrapy shell "http://192.168.99.100:8050/render.html?url="https://samplewebsite.com/category/banking-insurance-financial-services/""