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