4

我正在写一个scrapy-splash程序，我需要点击网页上的显示按钮，如下图所示，为了显示数据，第10版，所以我可以抓取它。我有我在下面尝试过的代码，但它不起作用。只有单击显示按钮才能访问我需要的信息。 更新：仍在为此苦苦挣扎，我必须相信有办法做到这一点。我不想抓取 JSON，因为这对网站所有者来说可能是一个危险信号。

import scrapy
from ..items import NameItem

class LoginSpider(scrapy.Spider):
    name = "LoginSpider"
    start_urls = ["http://www.starcitygames.com/buylist/"]

    def parse(self, response):

        return scrapy.FormRequest.from_response(
        response,
        formcss='#existing_users form',
        formdata={'ex_usr_email': 'email123@example.com', 'ex_usr_pass': 'password123'},
        callback=self.after_login
        )


    def after_login(self, response):
        item = NameItem()
        display_button= response.xpath('//a[contains(., "- Display>>")]/@href').get()
        response.follow(display_button, self.parse)
        item["Name"] = response.css("div.bl-result-title::text").get()
        return item

网页快照 HTML 代码

4

1 回答 1

8

您的代码无法工作，因为没有锚元素和 href 属性。单击该按钮将发送一个XMLHttpRequestto http://www.starcitygames.com/buylist/search?search-type=category&id=5061，并且在 JSON 响应中找到您想要的数据。

  1. 要检查请求 URL 和响应，请打开 Dev Tools -> Network -> XHR 并单击Display。
  2. 在Headers选项卡中，您将找到请求 URL，在Preview或Response选项卡中您可以检查 JSON。
  3. 如您所见，您需要一个类别id来构建请求 URL。您可以通过解析script使用此 XPath 找到的元素来找到它//script[contains(., "categories")]
  4. 然后您可以将您的请求从蜘蛛发送到http://www.starcitygames.com/buylist/search?search-type=category&id=5061并获取您想要的数据。
$ curl 'http://www.starcitygames.com/buylist/search?search-type=category&id=5061'
{"ok":true,"search":"10th Edition","results":[[{"id":"46269","name":"Abundance","subtitle":null,"condition":"NM\/M","foil":true,"is_parent":false,"language":"English","price":"20.000","rarity":"Rare","image":"cardscans\/MTG\/10E\/en\/foil\/Abundance.jpg"},{"id":"176986","name":"Abundance","subtitle":null,"condition":"PL","foil":true,"is_parent":false,"language":"English","price":"12.000","rarity":"Rare","image":"cardscans\/MTG\/10E\/en\/foil\/Abundance.jpg"}....

如您所见，您甚至不需要登录网站或Splash.

于 2019-06-21T20:32:06.660 回答