Scarpy+selenium 结合使用

首先要先在spider对象实例化时,同时实例化一个浏览器对象

# -*- coding: utf-8 -*-
import scrapy
from selenium import webdriver

"""
Scrapy 使用 selenium
    1.在spider的构造方法中实例化一个浏览器对象
    2.重写spider下的closed方法,该方法用来关闭浏览器
    3.在下载中间件的process_response方法中使用selenium,通过spider参数获取浏览器对象
    4.在中间件中使用selenium对网站进行信息抓取
    5.实例化一个HtmlResponse对象,且将page_source封装到HtmlResponse对象中
    6.返回该新的相应对象
    7.在parse函数中对新的response对象进行解析.
"""

class NewsSpider(scrapy.Spider):
    name = 'news'
    # allowed_domains = ['www.xxx.com']
    start_urls = ['http://war.163.com/']

    # 在实例化Spider对象时创建一个新的浏览器对象
    def __init__(self):
        self.bro = webdriver.Chrome(executable_path=r'F:\爬虫\chromedriver.exe')

    def parse(self, response):
        div_list = response.xpath('//div[@class="data_row news_article clearfix "]')
        for div in div_list:
            title = div.xpath('.//div[@class="news_title"]/h3/a/text()').extract_first()
            print(title)

    # 爬虫关闭后的执行的函数
    def closed(self,spider):
        print('关闭浏览器')
        self.bro.quit()

在下载中间中修改process_response方法

    def process_response(self, request, response, spider):
        # Called with the response returned from the downloader.

        # Must either;
        # - return a Response object
        # - return a Request object
        # - or raise IgnoreRequest

        # 在此处使用已经实例化好的浏览器对象.
        bro = spider.bro
        bro.get(url=request.url)
        sleep(3)
        page_text = bro.page_source
        sleep(3)

        # 返回新的response对象
        return HtmlResponse(url=bro.current_url, body=page_text, encoding='utf-8', request=request)