Получение ответа тела с помощью всплеска скрапа - PullRequest
Новая
       19

Получение ответа тела с помощью всплеска скрапа

1 голос
/ 25 июня 2019

enter image description here

Я работаю с scrapy 1.6 и splash 3.2 У меня есть: 

import scrapy
import random
from scrapy_splash import SplashRequest
from scrapy.utils.response import open_in_browser
from scrapy.linkextractors import LinkExtractor

USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:48.0) Gecko/20100101 Firefox/48.0'

class MySpider(scrapy.Spider):


    start_urls = ["http://yahoo.com"]
    name = 'mytest'

    def start_requests(self):
        for url in self.start_urls:
            yield SplashRequest(url, self.parse, endpoint='render.html', args={'wait': 2.5},headers={'User-Agent': USER_AGENT,'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'})

    def parse(self, response):
        # response.body is a result of render.html call; it
        # contains HTML processed by a browser.
        # from scrapy.http.response.html import HtmlResponse
        # ht = HtmlResponse('jj')
        # ht.body.replace =response
        open_in_browser(response)
        return None

Проблема в том, что когда я пытаюсь открытьОтвет в браузере. Вместо этого он открывается в блокноте.

, глядя на https://splash.readthedocs.io/en/stable/scripting-response-object.html. Как мне активировать response.body, чтобы я мог открыть ответ в браузере (я хочу иметь возможностьзатем использовать инструменты разработки браузера для получения xpaths)?

Ответы [ 2 ]

2 голосов
/ 25 июня 2019

open_in_browser() не может обнаружить ответы от Splash как ответы HTML. Это связано с тем, что объекты ответа Splash HTML являются подклассами TextResponse Scrapy вместо HtmlResponse ( на данный момент ).

Вы могли бы переопределить open_in_browser() таким образом, чтобы в настоящее время работать в вашем случае использования.

0 голосов
/ 25 июня 2019

У меня это работает с: 

def parse(self, response):
    # response.body is a result of render.html call; it
    # contains HTML processed by a browser.
    from scrapy.http.response.html import HtmlResponse
    ht = HtmlResponse(url=response.url, body=response.body, encoding="utf-8", request=response.request)
    open_in_browser(response)
    return None
...