Exa*_*rph 6 python lua splash-screen scrapy
我正在尝试抓取一个网站,同时截取每个页面的屏幕截图.到目前为止,我已经成功拼凑了以下代码:
import json
import base64
import scrapy
from scrapy_splash import SplashRequest
class ExtractSpider(scrapy.Spider):
name = 'extract'
def start_requests(self):
url = 'https://stackoverflow.com/'
splash_args = {
'html': 1,
'png': 1
}
yield SplashRequest(url, self.parse_result, endpoint='render.json', args=splash_args)
def parse_result(self, response):
png_bytes = base64.b64decode(response.data['png'])
imgdata = base64.b64decode(png_bytes)
filename = 'some_image.png'
with open(filename, 'wb') as f:
f.write(imgdata)
Run Code Online (Sandbox Code Playgroud)
它可以很好地进入网站(例如,stackoverflow)并返回png_bytes的数据,但是当写入文件时 - 返回一个损坏的图像(不加载).
有没有办法解决这个问题,或者找到更有效的解决方案?我已经读过Splash Lua Scripts可以做到这一点,但一直无法找到实现它的方法.谢谢.
您正在从base64解码两次:
png_bytes = base64.b64decode(response.data['png'])
imgdata = base64.b64decode(png_bytes)
Run Code Online (Sandbox Code Playgroud)
简单地说:
def parse_result(self, response):
imgdata = base64.b64decode(response.data['png'])
filename = 'some_image.png'
with open(filename, 'wb') as f:
f.write(imgdata)
Run Code Online (Sandbox Code Playgroud)
| 归档时间: |
|
| 查看次数: |
3177 次 |
| 最近记录: |