一尘不染

使用刮擦飞溅会严重影响刮擦速度吗?

selenium

到目前为止,我一直只使用scrapy并编写自定义类来使用ajax处理网站。

但是,如果我要使用scrapy-splash,据我所知,它会在javascript之后刮擦呈现的html,那么对我的抓取工具的速度会产生重大影响吗?

用scrapy刮擦香草html页面与使用scrapy-splash渲染javascript html所花费的时间之间的比较是什么?

最后,scrapy-splash和Selenium如何比较?


阅读 255

收藏
2020-06-26

共1个答案

一尘不染

这取决于页面上存在的javascript数量。

您必须知道,渲染所有JavaScript时,启动 会花费一些时间 ,而python应用程序将继续运行而无需等待渲染完成。因此,有时飞溅也无法做到。

  • 您可以显式地等待渲染,因为通常需要一些时间。
  • 这也是一个好习惯wait

这里,

import scrapy
from scrapy_splash import SplashRequest

yield scrapy.Request(url, callback=self.parse, meta={'splash':{'args':{'wait':'25'},'endpoint':'render.html'}})

要么

import scrapy
from scrapy_splash import SplashRequest

yield SplashRequest(url, self.parse, endpoint='render.html',
        args={'wait': 5, 'html' : 1 } )

在硒和硒之间

Selenium仅用于自动执行Web浏览器交互,Scrapy用于下载HTML,处理数据并将其保存(整个Web爬行框架)。

谈到抓取,我建议您查看一下scrapy,如果问题出在javascript上。

  • Scrapy已经有自己的javascript官方项目,名为scrapy-splash
  • 另外,您可以从Scranium中的Selenium创建新的webdriver实例,进行一些工作,提取数据,然后在完成所有工作后将其关闭。
2020-06-26