Splash的使用入门
1. Splash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
2. 安装
2.1 安装docker
2.2 拉取镜像
docker pull scrapinghub/splash
2.3 用docker运行scrapinghub/splash
docker run -p 8050:8050 scrapinghub/splash
2.4 查看效果
我们在8050端口上运行了Splash服务,打开http://192.168.99.100:8050/即可看到其Web页面
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Rhiqq9hd-1594713031593)(https://note.youdao.com/yws/api/personal/file/366AEA0862FF4B77B584F99F058FD0FE?method=download&shareKey=1becb4e3fd74346d3e247a6cf7d8406d)]
3 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
3.1 images_enabled
设置图片是否加载,默认情况下是加载的。禁用该属性后,可以节省网络流量并提高网页加载速度
注意的是,禁用图片加载可能会影响JavaScript渲染。因为禁用图片之后,它的外层DOM节点的高度会受影响,进而影响DOM节点的位置
因此,如果JavaScript对图片节点有操作的话,其执行就会受到影响
function main(splash, args)splash.images_enabled = falsesplash:go('https://www.baidu.com')return {html=splash:html()}
end
3.2 plugins_enabled
可以控制浏览器插件(如Flash插件)是否开启
默认情况下,此属性是false,表示不开启
splash.plugins_enabled = true/false
3.3 scroll_position
控制页面上下或左右滚动
splash.scroll_position = {x=100, y=200}
4. Splash对象的方法
4.1 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 |
splash:go{"http://www.sxt.cn", http_method="POST", body="name=17703181473"}
4.2 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
4.3 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.sxt.cn")local scroll_to = splash:jsfunc("window.scrollTo")scroll_to(0, 300)return {png=splash:png()}
end
4.4 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
4.5 html()
获取网页的源代码
function main(splash, args)splash:go("https://www.bjsxt.com")return splash:html()
end
4.6 png()
获取PNG格式的网页截图
function main(splash, args)splash:go("https://www.bjsxt.com")return splash:png()
end
4.7 har()
获取页面加载过程描述
function main(splash, args)splash:go("https://www.bjsxt.com")return splash:har()
end
4.8 url()
获取当前正在访问的URL
function main(splash, args)splash:go("https://www.bjsxt.com")return splash:url()
end
4.9 get_cookies()
获取当前页面的Cookies
function main(splash, args)splash:go("https://www.bjsxt.com")return splash:get_cookies()
end
4.10 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://bjsxt.com/")return splash:html()
end
4.11 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
4.12 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
4.13 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
4.14 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
4.15 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
4.16 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
4.17 代理Ip
function main(splash)splash:on_request(function(request)request:set_proxy{'host':'61.138.33.20','port':808,'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
5 Splash与Python结合
5.1 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://192.168.99.100:8050/render.html
import requests
url = 'http://192.168.99.100:8050/render.html?url=https://www.bjsxt.com&wait=3'
response = requests.get(url)
print(response.text)
5.2 render.png
此接口可以获取网页截图
import requestsurl = 'http://192.168.99.100:8050/render.png?url=https://www.jd.com&wait=5&width=1000&height=700'
response = requests.get(url)
with open('taobao.png', 'wb') as f:f.write(response.content)
5.3 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
import requests
from urllib.parse import quotelua = '''
function main(splash)return 'hello'
end
'''url = 'http://192.168.99.100:8050/execute?lua_source=' + quote(lua)
response = requests.get(url)
print(response.text)
Splash的使用入门相关推荐
- 爬虫入门的基本原理,如果你连这些都不知道那你可以放弃爬虫了
我们天天到处看到爬虫爬虫的,你了解爬虫是什么吗?你知道爬虫的爬取流程吗?你知道怎么处理爬取中出现的问题吗?如果你回答不出来,或许你真的要好好看看这篇文章了! 爬虫简介 网络爬虫(Web crawler ...
- 渐进式Web应用(PWA)入门教程(上)
最近关于渐进式Web应用有好多讨论,有一些人还在质疑渐进式Web应用是否就是移动端未来. 但在这篇文章中我并不会将渐进式APP和原生的APP进行比较,但有一点是可以肯定的,这两种APP的目标都是使用户 ...
- python爬虫从入门到精通-Python网络爬虫开发从入门到精通
本书共分 3 篇,针对 Python 爬虫初学者,从零开始,系统地讲解了如何利用 Python 进行常见的网络爬虫的程序开发. 第 1 篇快速入门篇(第 1 章 ~ 第 9 章):本篇主要介绍了 Py ...
- Scrapy爬虫(8)scrapy-splash的入门
2019独角兽企业重金招聘Python工程师标准>>> Scrapy爬虫(8)scrapy-splash的入门 2018年03月17日 16:16:36 剑与星辰 阅读数:885 标 ...
- python从入门到爬虫_python爬虫从入门到放弃(一)之初识爬虫
什么是爬虫? 网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本.另外一些不常使用的名字还有蚂蚁.自动索引. ...
- gtk学习总结:GTK从入门到放弃,三天包教包会
今天花了一些时间复习之前学习过的gtk,感觉东西光学不用忘得好快啊,在这做个之前学过的内容的备份,希望对大家有用,也希望大家不要从入门到放弃.文中有些代码例子可能来自<GTK从入门到精通> ...
- linux菜鸟入门之系统启动流程
1.启动过程 POST 加电自检 BIOS 以普通的操作系统为例.cpu 要执行指令需要从内存中取,而刚开机的时候,内存里什么都没有,所以刚开机的时候.必须将某个的特定的硬件中的指令加入内存中.刚开机 ...
- 手把手教你快速入门 APP 的开发
论及每年的编程语言排行榜, Java 总是名列榜首,流行意味着好用,我们当了解之. 当今生活,最体现科技的地方便是电子产品.而电子产品中,我们接触最多.最离不开的便是手机.手机之所以成为"手 ...
- LINUX新手入门及安装配置FAQ(http://bbs.blueidea.com/viewthread.php?tid=635906amp;page=)
LINUX新手入门及安装配置FAQ 剑气凌人 [楼主] 尖脐 荣誉管理团队 帖子 6386 体力 10046 威望 168 当前 北京 海淀区 发短消息 个人网站 1# 大 中 小 发表于 ...
最新文章
- php 语言文件操作,php中目录文件操作详谈
- NSLocalizedString不起作用
- LeetCode 2 Keys Keyboard
- use web IDE to commit change to git
- php代码里怎么写html代码_菜鸟青铜变白银!Python 项目代码写完了,然后怎么打包和发布?...
- mysql 查看autocommit_手把手教你分析Mysql死锁问题
- efi分区咋移动到c盘里_快速增加C盘容量的好方法!
- 安装时间大于30秒_“跑步是最没用的减肥方式,必须跑30分钟以上才有用”
- 基于MDC的SOA方案
- Visual C++中的ODBC编程
- 委托的Invoke与BeginInvoke
- cs231n_2020 作业knn笔记
- 规格模式(Specification)
- linux下nginx配置访问静态图片的解决办法
- 【微信小程序】 map 组件 callout 自定义气泡 (实实在在的讲解)
- “省份、城市、区县” 三级联动数据
- php导出复杂表头excel,js导出复杂表头(多级表头)的excel
- Android 自带工具生成图标
- 通过ip反查域名信息
- 逆天的APP,不得不提到 “一个木函”
热门文章
- c-二维数组赋值及二维指针使用
- [iOS]根据UIColor获取及改变RGB和Alpha
- C#中的ManagementClass类
- Red Hat Ansible Automation Platform 安装
- NOIP2011普及组第3题 瑞士轮
- Gameplay - 设计《神秘海域》类型的关卡
- “小白Hare的成长之路“关于java 使用IO流对音频文件进行复制
- WordPress上传图片提示:服务器无法处理图像
- 分布式系统开发实战:分布式计算,分布式计算常用技术
- Windows下 find 参数错误