当前位置: 首页 > news >正文

图片制作视频手机软件seo外链怎么做

图片制作视频手机软件,seo外链怎么做,前端开发线下培训班,365元做网站前言 Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。 当然,对网页中的ajax请求…

前言

Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。

当然,对网页中的ajax请求它是无能无力的,但结合mitmproxy几乎无所不能:Scrapy + PlayWright模拟用户点击,mitmproxy则在后台抓包取数据,登录一次,运行一天。

最终,我通过asyncio把这几个工具整合到了一起,基本达成了自动化无人值守的稳定运行,一篇篇的文章送入我的ElasticSearch集群,经过知识工厂流水线,变成知识商品。

”爬虫+数据,算法+智能“,这是一个技术人的理想。

配置与运行

安装:

pip install scrapy

当前目录下有scrapy.cfg和settings.py,即可运行scrapy

命令行运行:

scrapy crawl ArticleSpider

在程序中运行有三种写法:

from scrapy.cmdline import executeexecute('scrapy crawl ArticleSpider'.split())

采用CrawlerRunner:

# 采用CrawlerRunner
from twisted.internet.asyncioreactor import AsyncioSelectorReactor
reactor = AsyncioSelectorReactor()runner = CrawlerRunner(settings)
runner.crawl(ArticleSpider)
reactor.run()

采用CrawlerProcess

# 采用CrawlerProcess
process = CrawlerProcess(settings)
process.crawl(ArticleSpider)
process.start()

和PlayWright的集成

安装

pip install scrapy-playwright
playwright install
playwright install firefox chromium

settings.py配置

BOT_NAME = 'ispider'SPIDER_MODULES = ['ispider.spider']TWISTED_REACTOR = 'twisted.internet.asyncioreactor.AsyncioSelectorReactor'
DOWNLOAD_HANDLERS = {"https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler","http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",
}CONCURRENT_REQUESTS = 32
PLAYWRIGHT_MAX_PAGES_PER_CONTEXT = 4
CLOSESPIDER_ITEMCOUNT = 100PLAYWRIGHT_CDP_URL = "http://localhost:9900"

爬虫定义

class ArticleSpider(Spider):name = "ArticleSpider"custom_settings = {# "TWISTED_REACTOR": "twisted.internet.asyncioreactor.AsyncioSelectorReactor",# "DOWNLOAD_HANDLERS": {#     "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",#     "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",# },# "CONCURRENT_REQUESTS": 32,# "PLAYWRIGHT_MAX_PAGES_PER_CONTEXT": 4,# "CLOSESPIDER_ITEMCOUNT": 100,}start_urls = ["https://blog.csdn.net/nav/lang/javascript"]def __init__(self, name=None, **kwargs):super().__init__(name, **kwargs)logger.debug('ArticleSpider initialized.')def start_requests(self):for url in self.start_urls:yield Request(url,meta={"playwright": True,"playwright_context": "first","playwright_include_page": True,"playwright_page_goto_kwargs": {"wait_until": "domcontentloaded",},},)async def parse(self, response: Response, current_page: Optional[int] = None) -> Generator:content = response.textpage = response.meta["playwright_page"]context = page.contexttitle = await page.title()while True:## 垂直滚动下拉,不断刷新数据page.mouse.wheel(delta_x=0, delta_y=200)time.sleep(3)pass

参考链接

  • 官方scrapy-playwright插件
  • 崔庆才丨静觅写的插件GerapyPlaywright
http://www.wangmingla.cn/news/13730.html

相关文章:

  • 永久域名注册网站免费行情网站的推荐理由
  • 无锡做网站seo的成都百度提升优化
  • 昆明疫情最新情况今天深圳搜狗seo
  • 南京市网站seo整站优化竞价网官网
  • 微信h5手机网站枸橼酸西地那非片
  • 新闻网站建设条件seo外贸推广
  • 导航网站开发网站排名提升软件
  • 成都谁做捕鱼网站免费二级域名注册申请
  • 黄南网站建设如何做网站关键词优化
  • 优秀的网站建设公司排名鞍山做网站的公司
  • bl做的视频网站西安seo招聘
  • 合肥软件开发网站建设网络营销机构官方网站
  • 做网站打广告图片素材8大营销工具
  • 做网站虚拟主机怎么选择深圳网站推广公司
  • 简单的网站维护广州市网络seo外包
  • 淄博网站制作定制视觉软文营销常用的方式
  • 网站开发和游戏开发的区别怎么做推广让别人主动加我
  • 网站卡密代理怎么做竞价推广托管公司价格
  • 怎么做制作网站的教程单页网站制作教程
  • 网站建设预期达到的效果南宁关键词排名公司
  • 陕西手机网站制作深圳seo优化公司排名
  • 哪个网站建设网上宣传广告怎么做
  • 网站名字词app推广软文范文
  • 淘宝客优惠券网站怎么做网络营销具有什么特点
  • wordpress 只在首页显示百度禁止seo推广
  • 有哪些网站交互效果做的好的百度在线识图
  • 有网站建wap搜索引擎营销方法主要有三种
  • 学做衣服上什么网站武汉网站开发公司
  • 徐州市经济技术开发区建设局网站列表网推广收费标准
  • 怎样做生成的二维码链接到网站搜索引擎营销的概念