(转)scrapy结合webkit抓取js生成的页面

1 scedule

scrapy 作为抓取框架，包括了spider,pipeline基础设施

2 webkit

scrapy 本身不能作为js engine,这就导致很多js生成的页面的数据会无法抓取到，因此，一些通用做法是webkit或者xmi_runner(firefox)。通过这个手段可以对于js生成的数据进行抓取。需要安装的包有

python-webkit (相关依赖自行解决)

Xvfb (用于非Xwindow环境)

3 开发downloader middleware

#which spider should use WEBKITWEBKIT_DOWNLOADER=['ccb']?DOWNLOADER_MIDDLEWARES = {    'rate_crawler.dowloader.WebkitDownloader': 543,}   ?import osos.environ["DISPLAY"] = ":0"
5 使用
启动 Xvfb (假设DISPLAY=:0)
要与settings.py中的DISPLAY对应（本例中是:0)。
scrapy crawl xxx