我是一个比较新的刮擦,并试图刮这个网站(和许多,许多喜欢它):http://www.superiorcourt.maricopa.gov/docket/CriminalCourtCases/caseInfo.asp?caseNumber=CR1999-012267
我用的是Python和Scrapy。我的问题是,当我启动一个废弃的shell并将其指向这个url时,响应体中充满了我无法读取的代码,例如:
c%*u9u\\'! (vy!}vyO"9u#$"v/!!!"yJZ*9u!##v/!"*!%y\\_9u\\')"v/\\'!#myJOu9u$)}vy}vy9CCVe^SdY_^uvkT_Se]U^dKju"&#$)\\')&vMK9u)}&vy}MKju!\\'$#)(# (!#vMuvmy\\:*Ve^SdY_^uCy\\y
我实际上想搜集的信息似乎无法访问。在
我认为这是一个javascript问题,并且已经确认使用其他人之前建议的工具(比如Selenium)可以正确地呈现页面。我的问题是,我将需要收集几百万个这样的网站,并且不相信基于浏览器的解决方案会足够快。在
有更好的方法吗?我不需要点击页面上的任何链接(我有一个很长的列表,所有的网址我想刮),或与它以任何其他方式互动。响应体是否可能包含我可以解析的JSON代码?在
如果您只想等待javascript数据加载,我将使用ScrapyJS。在
如果需要与网站上的javascript元素交互,可以使用Scrapy+Selenium+phantomjs。后者通常更容易学,因为后者更容易学
相关问题 更多 >
编程相关推荐