Phantomjs抓取渲染JS后的网页（Python代码）
更新时间：2016年05月13日 09:09:10 投稿：hebedich
phantomjs：我的理解就是它是一个无显示的浏览器，也就是说除了不能显示页面内容以外，浏览器能干的活儿它基本上都能干。下面我们就来利用他做点有趣的事情
最近需要爬取某网站，无奈页面都是JS渲染后生成的，普通的爬虫框架搞不定，于是想到用Phantomjs搭一个代理。
Python调用Phantomjs貌似没有现成的第三方库（如果有，请告知小编），漫步了一圈，发现只有pyspider提供了现成的方案。
简单试用了一下，感觉pyspider更像一个为新手打造的爬虫工具，好比一个老妈子，有时无微不至，有时喋喋不休。 轻巧的小工具应该更受人喜爱，我也怀着一点私心，可以带着我最爱的BeautifulSoup一块儿用，而不用再学PyQuery（pyspider用来解析HTML），更不用忍受浏览器写Python的糟糕体验（偷笑）。
所以花了一个下午的时间，把pyspider当中实现Phantomjs代理的部分拆了出来，独立成一个小的爬虫模块，希望大家会喜欢（感谢binux！）。
准备工作
你当然要有Phantomjs，废话！（Linux下最好用supervisord守护，必须保持抓取的时候Phantomjs一直处于开启状态）
用项目路径下的phantomjs_fetcher.js启动：phantomjs phantomjs_fetcher.js [port]
安装tornado依赖（使用了tornado的httpclient模块）
调用是超级简单的
from tornado_fetcher import Fetcher
# 创建一个爬虫
>>> fetcher=Fetcher(
user_agent='phantomjs', # 模拟浏览器的User-Agent
phantomjs_proxy='http://localhost:12306', # phantomjs的地址
poolsize=10, # 最大的httpclient数量
async=False # 同步还是异步
)
# 开始连接Phantomjs的代码，可以渲染JS！
>>> fetcher.fetch(url)
# 渲染成功后执行额外的JS脚本（注意用function包起来！）
>>> fetcher.fetch(url, js_script='function(){setTimeout("window.scrollTo(0,100000)}", 1000)')
相关文章
这篇文章主要介绍了python中xrange用法,实例分析了xrange的功能、作用以及与range在使用中的区别,具有一定参考借鉴价值,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了jupyter如何安装自动代码补全提示问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
这篇文章主要介绍了python Graham求凸包问题并画图操作，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-06-06
在本篇文章里小编给大家整理了关于python获取百度热榜链接的实例方法，需要的朋友们可以学习参考下。2020-08-08
这篇文章主要为大家详细介绍了python实现ftp文件传输功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
python 解析XML python模块xml.dom解析xml实例代码
这篇文章主要介绍了分享下python中使用模块xml.dom解析xml文件的实例代码，学习下python解析xml文件的方法，有需要的朋友参考下2014-02-02
这篇文章介绍了利用Python读取图片属性信息的方法，读取的内容包括GPS 信息、图片分辨率、图片像素、设备商、拍摄设备等，有需要的朋友们可以参考借鉴。2016-09-09
这篇文章主要为大家详细介绍了opencv+python实现图像矫正，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-08-08
这篇文章主要介绍了PyTorch学习笔记之回归实战，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-05-05
正在学习python而且自己一直在用金山快盘，所以就写来个签到的功能，每天定时跑2013-01-01
最新评论