如何解决Scrapy Response返回空白
我开始在这里学习Scrapy,并且我在努力获得回复。 这是我的代码:
fetch("https://www.mtgstocks.com/analytics/mostplayed")
运行此命令后,我收到了一个预期的Crawled(200)。
但是,当我跑步时
view(response)
我得到的页面一直旋转并且永远不会加载。我在Stack Overflow上查找了可能的解决方案,他们提到有些站点需要用户。我什至用User_Agent做到了,结果也一样。
我也尝试过:
response.xpath('//td')
response.xpath('//tr')
response.xpath('.//*[@class="wrapper"]').text()
response.xpath('.//*[@class="text-center"]')
我对所有这些人都是空白。任何想法或建议,表示赞赏。
谢谢
解决方法
因此,这是一个严重依赖javascript的网站。我怎么知道的?好吧,它具有很多功能,但是要确定发出纯HTTP请求可以做什么和不能做什么,可以在浏览器中禁用javascript。在Chrome浏览器检查页面->单击三个点->更多工具->设置->禁用JavaScript。
您会看到进度轮旋转,因为所有信息均由javascript调用到API端点。响应呈现页面的内容。
要查看如何发出这些请求,请检查页面->网络工具-> XHR。有很多请求,我倾向于按大小排序,然后在单击其中一个请求时一个接一个地浏览,您会看到一个名为Preview的选项卡,用于预览数据。 XHR btw指XML HTTP Request,这是一个将数据从客户端传输到服务器的API。
我可以看到以数字命名的请求具有您所需的表数据。
这是一个例子
然后您可以模仿这些HTTP请求,javascript正在调用以获取所需的数据。该API实际上非常简单,它不依赖任何标题,参数,查询,cookie来获取数据。只需一个简单的HTTP get请求即可。
在chrome开发工具中,您可以看到请求URL,我通常会在请求包中使用它。您可以从此HTTP请求中获得一个JSON对象,然后可以像字典一样对其进行操作以获取所需的信息。您尚未指定数据需求。
这种方法称为重新设计HTTP请求,这是从网页获取动态内容的最有效方法。
在刮擦这样的东西
代码示例
def start_urls(self):
url = 'https://api.mtgstocks.com/analytics/mostplayed/1'
yield scrapy.Request(url=url,callback=self.parse)
def parse(self,response):
response.json()
输出
{'format': {'id': 1,'name': 'Legacy'},'mostplayed': [{'quantity': 660,'card': {'name': 'Brainstorm','print': {'id': 55408,'latest_price': {'date': 1598250758000,'avg': 0.5},'image': 'https://static.mtgstocks.com/cardimages/489717.png'}}},.......
解释
使用start_urls
使用请求填充start_url的列表。在这里,我为第一个表指定第一个HTTP请求。像https://api.mtgstocks.com/analytics/mostplayed/1
这样的URL可以使您访问页面上的其他表。
我正在执行抓取请求,并使用解析作为回调。 response.json()
将JSON对象转换为python字典,但仅在scrapy v2.2 +中可用。然后,您可以使用它生成字典,也可以使用项目指定所需的数据。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。