Scrapy 1.0.3版本 Selenium Phantomjs Downloader Middleware

Mon, 21 Jul 2025 18:16:05 +0800

一直想找的这个东西Middleware，找了很久，有的是一个过期的，有的是要弹出什么框的，这里给scrapy最新版本的解决方案。

此方案排除了几个问题：

Message: ‘Can not connect to GhostDriver’

对于此问题像下面这样操作就好了：

driver = webdriver.PhantomJS(port=port,
 desired_capabilities={
 'javascriptEnabled': True,
 'platform': 'windows',
 'browserName': 'Mozilla',
 'version': '5.0',
 'phantomjs.page.settings.userAgent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.57 Safari/537.36"
 })

本人测试通过,如果不是一个版本的话我就不晓得了。

这里分享一下我的代码好了，虽然还有几个问题没有解决，不过这个已经解决了我一个大问题了，就是有结果了。

#! -*- coding:utf-8 -*-
from selenium import webdriver
from proxy import settings
from scrapy.http import HtmlResponse
import logging
import time
logger = logging.getLogger('PhantomjsDownloaderMiddleware')
class PhantomjsDownloaderMiddleware(object):
 def __init__(self, options, max_sum):
 self.options = options
 self.max_sum = max_sum
 @classmethod
 def from_crawler(cls, crawler):
 return cls(
 options=crawler.settings.get('PHANTOMJS_OPTIONS', {}),
 max_sum=crawler.settings.get('PHANTOMJS_MAXSUM', 2)
 )
 def process_request(self, request, spider):
 service_args = ['--load-image=false', '--disk-cache=true']
 if 'proxy' in request.meta:
 service_args.append('--proxy=' + request.meta['proxy'][7:])
 if 'port' in request.meta:
 port = request.meta['port']
 else:
 port = 29842
 try:
 driver = webdriver.PhantomJS(port=port,
 desired_capabilities={
 'javascriptEnabled': True,
 'platform': 'windows',
 'browserName': 'Mozilla',
 'version': '5.0',
 'phantomjs.page.settings.userAgent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.57 Safari/537.36"
 })
 driver.get(request.url)
 time.sleep(10)
 content = driver.page_source.encode('utf-8')
 url = driver.current_url.encode('utf-8')
 driver.quit()
 if content == '<html><head></head><body></body></html>':
 logger.info('content is empty : 503')
 return HtmlResponse(request.url, encoding='utf-8', status=503, body='')
 else:
 logger.info('content get success : 200')
 return HtmlResponse(url, encoding='utf-8', status=200, body=content)
 except Exception, e:
 logger.warning(e)
 logger.info('Exception content is empty : 503')
 return HtmlResponse(request.url, encoding='utf-8', status=503, body='')

以上就是一个半成品了，但是可以用的，不过还是需要自己完善一下，根据自己的需求来吧，大概的思路就是这样的。

Selenium on Dapeng Zhang

Scrapy 1.0.3版本 Selenium Phantomjs Downloader Middleware