scrapy - 带有 Splash 的 CrawlSpider 在第一个 URL 后卡住

Question

我正在写一个scrapy spider，我需要用splash 来渲染一些响应。我的蜘蛛基于 CrawlSpider。我需要呈现我的 start_url 响应来喂我的爬虫。不幸的是，我的爬行蜘蛛在呈现第一个响应后停止了。知道出了什么问题吗？

class VideoSpider(CrawlSpider):

    start_urls = ['https://juke.com/de/de/search?q=1+Mord+f%C3%BCr+2']

rules = (
    Rule(LinkExtractor(allow=()), callback='parse_items',process_request = "use_splash",),
)

def use_splash(self, request):
    request.meta['splash'] = {
            'endpoint':'render.html',
            'args':{
                'wait':0.5,
                }
            }     
    return request

def start_requests(self):
    for url in self.start_urls:
        yield scrapy.Request(url, self.parse, meta={
            'splash': {
                'endpoint': 'render.html',
                'args': {'wait': 0.5}
        }
    })  


def parse_items(self, response):      
    data = response.body
    print(data)

Answer 1

使用 SplashRequest 而不是 scrapy.Request...查看我的答案 CrawlSpider with Splash

Answer 2

def use_splash(self, request):
request.meta['splash'] = {
        'endpoint':'render.html',
        'args':{
            'wait':0.5,
            }
        }     
return request

您应该将其修改为

def use_splash(self, request):
    return SplashRequest(xxxxxx)

或者你可以重写这个函数

    def _build_request(self, rule, link):
        r = Request(url=link.url, callback=self._response_downloaded)
        r.meta.update(rule=rule, link_text=link.text)
        return r

我不能保证它会起作用。我也在看这个。