单击 Scrapy-Splash 中的显示按钮

Question

我正在使用 scrapy-splash http://www.starcitygames.com/buylist/ 抓取以下网页，我必须登录该网页才能获取我需要的数据。这很好，但为了获取我需要单击显示按钮的数据，以便我可以抓取该数据，我需要的数据在单击按钮之前无法访问。我已经得到了一个答案，告诉我我不能简单地单击显示按钮并抓取显示的数据，我需要抓取与该信息关联的 JSON 网页，但我担心抓取 JSON 会变成红色标记给网站的所有者，因为大多数人不会打开 JSON 数据页面，人类需要几分钟才能找到它，而计算机会快得多。所以我想我的问题是，无论如何要刮掉我点击显示的网页并从那里开始，还是我别无选择，只能刮掉 JSON 页面？这是我到目前为止所得到的......但它没有点击按钮。

import scrapy
from ..items import NameItem

class LoginSpider(scrapy.Spider):
    name = "LoginSpider"
    start_urls = ["http://www.starcitygames.com/buylist/"]

    def parse(self, response):
        return scrapy.FormRequest.from_response(
        response,
        formcss='#existing_users form',
        formdata={'ex_usr_email': 'abc@example.com', 'ex_usr_pass': 'password'},
        callback=self.after_login
        )



    def after_login(self, response):
        item = NameItem()
        display_button = response.xpath('//a[contains(., "Display>>")]/@href').get()

        yield response.follow(display_button, self.parse)

        item["Name"] = response.css("div.bl-result-title::text").get()
        return item

Answer 1

我尝试使用 lua 脚本来模拟使用 scrapy-splash 的点击。它有效，您只需将其与 scrapy 集成并操作内容。 我留下了脚本，我在其中完成了与 scrapy 的集成。

function main(splash)
  local url = 'https://www.starcitygames.com/login'
  assert(splash:go(url))
  assert(splash:wait(0.5))
  assert(splash:runjs('document.querySelector("#ex_usr_email_input").value = "your@email.com"'))
  assert(splash:runjs('document.querySelector("#ex_usr_pass_input").value = "your_password"'))
  splash:wait(0.5)
  assert(splash:runjs('document.querySelector("#ex_usr_button_div button").click()'))
  splash:wait(3)
  splash:go('https://www.starcitygames.com/buylist/')
  splash:wait(2)
  assert(splash:runjs('document.querySelectorAll(".bl-specific-name")[1].click()'))
  splash:wait(1)
  assert(splash:runjs('document.querySelector("#bl-search-category").click()'))
  splash:wait(3)
  splash:set_viewport_size(1200,2000)
  return {
    html = splash:html(),
    png = splash:png(),
    har = splash:har(),
  }
end

Answer 2

您可以使用浏览器的开发者工具来跟踪该点击事件的请求，它是一个很好的JSON格式，也不需要cookie（登录）：

http://www.starcitygames.com/buylist/search?search-type=category&id=5061

唯一需要填写的是与此请求相关的category_id，这可以从HTML中提取并在您的代码中声明。

类别名称：

//*[@id="bl-category-options"]/option/text()

类别编号：

//*[@id="bl-category-options"]/option/@value

使用 JSON 比解析 HTML 简单得多。