当前位置: 首页 > news >正文

图片制作表情包的软件百度seo入驻

图片制作表情包的软件,百度seo入驻,在小网站上做点击广告,新建站点步骤前言 Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。 当然,对网页中的ajax请求…

前言

Scrapy是非常优秀的一个爬虫框架,基于twisted异步编程框架。yield的使用如此美妙。基于调度器,下载器可以对scrapy扩展编程。插件也是非常丰富,和Selenium,PlayWright集成也比较轻松。

当然,对网页中的ajax请求它是无能无力的,但结合mitmproxy几乎无所不能:Scrapy + PlayWright模拟用户点击,mitmproxy则在后台抓包取数据,登录一次,运行一天。

最终,我通过asyncio把这几个工具整合到了一起,基本达成了自动化无人值守的稳定运行,一篇篇的文章送入我的ElasticSearch集群,经过知识工厂流水线,变成知识商品。

”爬虫+数据,算法+智能“,这是一个技术人的理想。

配置与运行

安装:

pip install scrapy

当前目录下有scrapy.cfg和settings.py,即可运行scrapy

命令行运行:

scrapy crawl ArticleSpider

在程序中运行有三种写法:

from scrapy.cmdline import executeexecute('scrapy crawl ArticleSpider'.split())

采用CrawlerRunner:

# 采用CrawlerRunner
from twisted.internet.asyncioreactor import AsyncioSelectorReactor
reactor = AsyncioSelectorReactor()runner = CrawlerRunner(settings)
runner.crawl(ArticleSpider)
reactor.run()

采用CrawlerProcess

# 采用CrawlerProcess
process = CrawlerProcess(settings)
process.crawl(ArticleSpider)
process.start()

和PlayWright的集成

安装

pip install scrapy-playwright
playwright install
playwright install firefox chromium

settings.py配置

BOT_NAME = 'ispider'SPIDER_MODULES = ['ispider.spider']TWISTED_REACTOR = 'twisted.internet.asyncioreactor.AsyncioSelectorReactor'
DOWNLOAD_HANDLERS = {"https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler","http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",
}CONCURRENT_REQUESTS = 32
PLAYWRIGHT_MAX_PAGES_PER_CONTEXT = 4
CLOSESPIDER_ITEMCOUNT = 100PLAYWRIGHT_CDP_URL = "http://localhost:9900"

爬虫定义

class ArticleSpider(Spider):name = "ArticleSpider"custom_settings = {# "TWISTED_REACTOR": "twisted.internet.asyncioreactor.AsyncioSelectorReactor",# "DOWNLOAD_HANDLERS": {#     "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",#     "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",# },# "CONCURRENT_REQUESTS": 32,# "PLAYWRIGHT_MAX_PAGES_PER_CONTEXT": 4,# "CLOSESPIDER_ITEMCOUNT": 100,}start_urls = ["https://blog.csdn.net/nav/lang/javascript"]def __init__(self, name=None, **kwargs):super().__init__(name, **kwargs)logger.debug('ArticleSpider initialized.')def start_requests(self):for url in self.start_urls:yield Request(url,meta={"playwright": True,"playwright_context": "first","playwright_include_page": True,"playwright_page_goto_kwargs": {"wait_until": "domcontentloaded",},},)async def parse(self, response: Response, current_page: Optional[int] = None) -> Generator:content = response.textpage = response.meta["playwright_page"]context = page.contexttitle = await page.title()while True:## 垂直滚动下拉,不断刷新数据page.mouse.wheel(delta_x=0, delta_y=200)time.sleep(3)pass

参考链接

  • 官方scrapy-playwright插件
  • 崔庆才丨静觅写的插件GerapyPlaywright
http://www.yidumall.com/news/53405.html

相关文章:

  • 做网站找什么公司好全网推广怎么做
  • 湛江网站建设模板定位工厂b2b关键词排名工具
  • wordpress大主题上传搜索引擎seo优化平台
  • 贵阳网站制作工具百度网站流量统计
  • 2020肺炎疫情网站seo平台
  • 域名备案通过后怎么做网站排名网站
  • 汉中做网站的公司今日国际新闻最新消息
  • 海口公司做网站长沙网站制作推广
  • 日照时间广西seo搜索引擎优化
  • 2018做网站用什么开发市场营销专业课程
  • 宜春网站建设哪家专业百度广告销售
  • 用国外网站 图片做自媒体惠州百度seo排名
  • 公司注册的公司网站优化联系
  • 免费聊天网站模板和源码江苏网站建设推广
  • 网站建设与管理简单么seo经典案例分析
  • vps被攻击网站打不开ping值高北京网站排名seo
  • 赌博游戏网站怎么自己做软文营销经典案例200字
  • 秀屿网站建设seo排名优化联系13火星软件
  • 免费网站优缺点杭州seo网站建设
  • 想做网站怎么跟做网站的公司谈判百度账号注册入口
  • 盐城网站建设与网页制作日本樱花免m38vcom费vps
  • 湖南竞网做网站好吗免费发布网站seo外链
  • 用wordpress做的博客好的seo平台
  • wordpress mu调取郑州seo联系搜点网络效果好
  • 做拍卖网站如何让自己网站排名提高
  • 本公司经营网站建设seo的方法
  • 浙江理工大学网站设计与建设灯塔seo
  • 做网站宁夏武汉seo优
  • 网站简介如何做的有创意老客外链
  • 网站建设是干什么优化网络软件