Добавление элемента ожидания при выполнении SplashRequest в Python Scrapy

Я пытаюсь очистить несколько динамических веб-сайтов, используя Splash для Scrapy в python. Однако я вижу, что Splash не может дождаться полной загрузки страницы в определенных случаях. Грубым способом решения этой проблемы было добавление большого wait времени (например. 5 секунд в приведенном ниже фрагменте). Однако это крайне неэффективно и по-прежнему не загружает определенные данные (иногда загрузка содержимого занимает более 5 секунд). Есть ли какое-то условие ожидания элемента, которое можно поставить через эти просьбы?

yield SplashRequest(
          url, 
          self.parse, 
          args={'wait': 5},
          'User-Agent':"Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36",
          }
)

2 ответов


Да, вы можете написать сценарий Lua для этого. Что-то вроде этого:--6-->

function main(splash)
  splash:set_user_agent(splash.args.ua)
  assert(splash:go(splash.args.url))

  -- requires Splash 2.3  
  while not splash:select('.my-element') do
    splash:wait(0.1)
  end
  return {html=splash:html()}
end

перед всплеском 2.3 вы можете использовать splash:evaljs('!document.querySelector(".my-element")') вместо not splash:select('.my-element').

Сохраните этот скрипт в переменной (lua_script = """ ... """). Затем вы можете отправить такой запрос:

yield SplashRequest(
    url, 
    self.parse, 
    endpoint='execute',
    args={
        'lua_source': lua_script,
        'ua': "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36"
    }
}

см. раздел сценарии учебник и ссылка для получения более подробной информации о том, как писать сценарии Splash Lua.


У меня есть аналогичное требование, с таймаутами. Мое решение-небольшая модификация выше:

function wait_css(splash, css, maxwait)
    if maxwait == nil then
        maxwait = 10     --default maxwait if not given
    end

    local i=0
    while not splash:select(css) do
       if i==maxwait then
           break     --times out at maxwait secs
       end
       i=i+1
       splash:wait(1)      --each loop has duration 1sec
    end
end