一、splash的介绍

Splash是一个JavaScript渲染服务，是一个带有HTTP API的轻量级浏览器，同时它对接了Python中的Twisted和QT库。利用它，我们同样可以实现动态渲染页面的抓取

二、splash的安装

1、docker 安装

参考：Dockerapp安装与使用_宠乖仪的博客-CSDN博客_docker安装使用

2、拉取镜像

docker pull scrapinghub/splash

等待安装即可

3、用docker运行scrapinghub/splash

docker run -p 8050:8050 scrapinghub/splash

4、查看效果

三、Splash对象属性

上图中main()方法的第一个参数是splash，这个对象非常重要，它类似于Selenium中的WebDriver对象

1、scroll_position

控制页面上下或左右滚动

splash.scroll_position = {x=100, y=200}

四、Splash对象的方法

1、go()

该方法用来请求某个链接，而且它可以模拟GET和POST请求，同时支持传入请求头、表单等数据

ok, reason = splash:go{url, baseurl=nil, headers=nil, http_method="GET", body=nil, formdata=nil}

> 返回结果是结果ok和原因reason

> 如果ok为空，代表网页加载出现了错误，此时reason变量中包含了错误的原因

参数	含义
url	请求的URL
baseurl	可选参数，默认为空，表示资源加载相对路径
headers	可选参数，默认为空，表示请求头
http_method	可选参数，默认为GET，同时支持POST
body	可选参数，默认为空，发POST请求时的表单数据，使用的Content-type为application/json
formdata	可选参数，默认为空，POST的时候的表单数据，使用的Content-type为application/x-www-form-urlencoded

2、wait()

控制页面的等待时间

splash:wait{time, cancel_on_redirect=false, cancel_on_error=true}

参数	含义
time	等待的秒数
cancel_on_redirect	可选参数，默认为false，表示如果发生了重定向就停止等待，并返回重定向结果
cancel_on_error	可选参数，默认为false，表示如果发生了加载错误，就停止等待

function main(splash)splash:go("https://www.taobao.com")splash:wait(2)return {html=splash:html()}
end

3、jsfunc()

直接调用JavaScript定义的方法，但是所调用的方法需要用双中括号包围，这相当于实现了JavaScript方法到Lua脚本的转换

function main(splash, args)splash:go("http://www.baidu.com")local scroll_to = splash:jsfunc("window.scrollTo")scroll_to(0, 300)return {png=splash:png()}
end

function main(splash, args)local get_div_count = splash:jsfunc([[function () {var body = document.body;var divs = body.getElementsByTagName('div');return divs.length;}]])splash:go(args.url)return ("There are %s DIVs in %s"):format(get_div_count(), args.url)
end

4 、evaljs()与 runjs()

evaljs() 以执行JavaScript代码并返回最后一条JavaScript语句的返回结果
runjs() 以执行JavaScript代码，它与evaljs()的功能类似，但是更偏向于执行某些动作或声明某些方法

function main(splash, args)splash:go("https://www.baidu.com")splash:runjs("foo = function() { return 'sxt' }")local result = splash:evaljs("foo()")return result
end

5、 html()

获取网页的源代码

function main(splash, args)splash:go("https://www.baidu.com")return splash:html()
end

6、png()

获取PNG格式的网页截图

function main(splash, args)splash:go("https://www.baidu.com")return splash:png()
end

7、har()

获取页面加载过程描述

function main(splash, args)splash:go("https://www.baidu.com")return splash:har()
end

8、url()

获取当前正在访问的URL

function main(splash, args)splash:go("https://www.baidu.com")return splash:url()
end

9、get_cookies()

获取当前页面的Cookies

function main(splash, args)splash:go("https://www.baidu.com")return splash:get_cookies()
end

10、add_cookie()

当前页面添加Cookie

cookies = splash:add_cookie{name, value, path=nil, domain=nil, expires=nil, httpOnly=nil, secure=nil}

function main(splash)splash:add_cookie{"sessionid", "123456abcdef", "/", domain="http://bjsxt.com"}splash:go("http://baidu.com/")return splash:html()
end

11、 clear_cookies()

#     可以清除所有的Cookies
function main(splash)splash:go("https://www.bjsxt.com/")splash:clear_cookies()return splash:get_cookies()
end

12、set_user_agent()

设置浏览器的User-Agent

function main(splash)splash:set_user_agent('Splash')splash:go("http://httpbin.org/get")return splash:html()
end

13、set_custom_headers()

设置请求头

function main(splash)splash:set_custom_headers({["User-Agent"] = "Splash",["Site"] = "Splash",})splash:go("http://httpbin.org/get")return splash:html()
end

14、 select()

选中符合条件的第一个节点

如果有多个节点符合条件，则只会返回一个

其参数是CSS选择器

function main(splash)splash:go("https://www.baidu.com/")input = splash:select("#kw")splash:wait(3)return splash:png()
end

15、send_text()

填写文本

function main(splash)splash:go("https://www.baidu.com/")input = splash:select("#kw")input:send_text('Splash')splash:wait(3)return splash:png()
end

16、mouse_click()

模拟鼠标点击操作

function main(splash)splash:go("https://www.baidu.com/")input = splash:select("#kw")input:send_text('Splash')submit = splash:select('#su')submit:mouse_click()splash:wait(3)return splash:png()
end

17、代理Ip

function main(splash)splash:on_request(function(request)request:set_proxy{host='111.111.111.1',port=8080,username='uanme',password='passwrod'}end)-- 设置请求头splash:set_user_agent("Mozilla/5.0")splash:go("https://httpbin.org/get")return splash:html()
end

五、splash与python结合

1、render.html

此接口用于获取JavaScript渲染的页面的HTML代码，接口地址就是Splash的运行地址加此接口名称，例如http://127.0.0.1:8050/render.html

    url = 'https://www.lagou.com/zhaopin/Python/'base_url =f'http://localhost:8050/render.html?url={url}&wait=2'resp = requests.get(base_url)resp.encoding = 'utf-8'print(resp.text)

2、render.png

此接口可以获取网页截图

    url = 'https://www.lagou.com/zhaopin/Python/'base_url =f'http://localhost:8050/render.png?url={url}&wait=2'resp = requests.get(base_url)with open('a.png','wb') as f:f.write(resp.content)

3、 execute

最为强大的接口。前面说了很多Splash Lua脚本的操作，用此接口便可实现与Lua脚本的对接

    url = 'https://www.lagou.com/zhaopin/Python/'lua =f'''function main(splash,args)splash:go("{url}")splash:wait(2)return splash:html()end'''base_url =f'http://localhost:8050/execute?lua_source={lua}'resp = requests.get(base_url)print(resp.text)

    # 如果lua代码中有特殊字符，要通过进行quote转码from urllib.parse import quoteurl = 'https://www.baidu.com'lua =f'''function main(splash,args)splash:go("{url}")input = splash:select("#kw")input : send_text("SXT")splash:wait(0.1)button = splash:select("#su")button : mouse_click()splash : wait(2)return splash:html()end'''base_url =f'http://localhost:8050/execute?lua_source={quote(lua)}'resp = requests.get(base_url)print(resp.text)

六、scrapy与splash结合

1、pip安装scrapy-splash库

pip install scrapy-splash

2、scrapy-splash使用的是Splash HTTP API，所以使用之前要开启splash

3、配置splash服务（以下操作全部在settings.py）:

3.1 使用splash解析，要在配置文件中设置splash服务器地址：

SPLASH_URL = 'http://localhost:8050/'

3.2 将splash middleware添加到DOWNLOADER_MIDDLEWARE中

DOWNLOADER_MIDDLEWARES = {
'scrapy_splash.SplashCookiesMiddleware': 723,
'scrapy_splash.SplashMiddleware': 725,
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810,
}

3.3 Enable SplashDeduplicateArgsMiddleware

SPIDER_MIDDLEWARES = {'scrapy_splash.SplashDeduplicateArgsMiddleware': 100
}

这个中间件需要支持cache_args功能; 它允许通过不在磁盘请求队列中多次存储重复的Splash参数来节省磁盘空间。如果使用Splash 2.1+，则中间件也可以通过不将这些重复的参数多次发送到Splash服务器来节省网络流量

3.4 配置消息队列所使用的过滤类

DUPEFILTER_CLASS = 'scrapy_splash.SplashAwareDupeFilter'

3.5 配置消息队列需要使用的类

HTTPCACHE_STORAGE = 'scrapy_splash.SplashAwareFSCacheStorage'

案例

import scrapy
from scrapy_splash import SplashRequest
class DoubanSpider(scrapy.Spider):name = 'douban'allowed_domains = ['douban.com']def start_requests(self):yield SplashRequest('https://movie.douban.com/typerank?type_name=剧情&type=11&interval_id=100:90', args={'wait': 0.5})def parse(self, response):print(response.text)

Splash安装和使用相关推荐

ubuntu14.04 splash安装
ubuntu14.04 splash安装 splash 是一个python语言编写的用于配合scrapy解析js的库,本来以为安装比较简单,没想到记录下来以后,发现其实还是很麻烦的,所以发出来共享一下 ...
splash安装和简单使用
需要:安装docker. 安装: docker pull scrapinghub/splash 运行: docker run -p 8050:8050 scrapinghub/splash 安装完的访 ...
linux splash qt,ubuntu14.04 splash安装
splash 是一个Python语言编写的用于配合scrapy解析js的库,本来以为安装比较简单,没想到记录下来以后,发现其实还是很麻烦的,所以发出来共享一下. 1.splash运行于python3环 ...
安装splash与启动
前提:安装 docker 安装splash 安装命令:sudo docker pull scrapinghub/splash 启动命令:sudo docker run -p 5023:5023 -p ...
芝麻HTTP：Scrapy-Splash的安装
2019独角兽企业重金招聘Python工程师标准>>> Scrapy-Splash是一个Scrapy中支持JavaScript渲染的工具,本节来介绍它的安装方式. Scrapy-Sp ...
scrapy安装_「从零开始Python爬虫」1.8.3 Scrapy-Splash的安装
Scrapy-Splash是一个Scrapy中支持JavaScript渲染的工具,本节来介绍它的安装方式. Scrapy-Splash的安装分为两部分.一个是Splash服务的安装,具体是通过Dock ...
利用scrapy+splash+redis实现对JS动态生成网页的增量爬取
文章目录一.任务内容二.Scrapy安装.配置.调试三.splash安装.配置.调试开启hyper-v 安装Docker Desktop 拉取和开启Splash 安装scrapy-splash ...
Splash的爬虫应用
Splash的爬虫应用 Splash是一个JavaScript渲染服务,它是一个带有HTTP API的轻型Web浏览器.Python可以通过HTTP API调用Splash中的一些方法实现对页面的渲染 ...
scrapy 动态网页处理——爬取鼠绘海贼王最新漫画
简介 scrapy是基于python的爬虫框架,易于学习与使用.本篇文章主要介绍如何使用scrapy爬取鼠绘漫画网海贼王最新一集的漫画. 源码参见:https://github.com/liudaol ...

Splash安装和使用