如何发送Scrapy中启用的JavaScript和Cookies？

我正在使用 Scrapy 抓取一个网站，该网站需要启用烹饪和 java 脚本。我认为我不必实际处理 javascript。我所需要的只是假装 javascript 已启用。

这是我尝试过的： 1) 通过以下设置启用 Cookie

COOKIES_ENABLED = True
COOKIES_DEBUG = True

2）使用cookies下载中间件

DOWNLOADER_MIDDLEWARES = {
    'scrapy.contrib.downloadermiddleware.useragent.UserAgentMiddleware': 400,
    'scrapy.contrib.downloadermiddleware.cookies.CookiesMiddleware':700
}

3) 发送 'X-JAVASCRIPT-ENABLED': 'True'

DEFAULT_REQUEST_HEADERS={
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    'Accept-Language': 'en',
    'X-JAVASCRIPT-ENABLED': 'True'
}

但他们都没有和我一起工作。您能提出任何想法或给我一些指导吗？

提前感谢您的回复。

你应该试试Splash https://splash.readthedocs.org/en/latest/JS 引擎scrapyjs https://github.com/scrapinghub/scrapyjs。以下是如何在蜘蛛项目中进行设置的示例：

SPLASH_URL = 'http://192.168.59.103:8050'
DOWNLOADER_MIDDLEWARES = {
    'scrapyjs.SplashMiddleware': 725,
}

抓取中心 http://crawlera.com/与 Scrapy 背后的公司是同一家公司特殊情况 http://scrapinghub.com/splash/运行你的蜘蛛并启用启动。

然后产量SplashRequest代替Request在你的蜘蛛中像这样：

import scrapy
from scrapy_splash import SplashRequest

class MySpider(scrapy.Spider):
    start_urls = ["http://example.com", "http://example.com/foo"]

    def start_requests(self):
        for url in self.start_urls:
            yield SplashRequest(url, self.parse,
                endpoint='render.html',
                args={'wait': 0.5},
            )

    def parse(self, response):
        # response.body is a result of render.html call; it
        # contains HTML processed by a browser.
        # …