Scrapy Script funktioniert nicht.

Django, Flask, Bottle, WSGI, CGI…
Antworten
mcdbpas
User
Beiträge: 2
Registriert: Freitag 8. November 2019, 14:36

Hallo ich bin neu in Python,

ich habe mir von github ein script geladen und es etwas modifziert:

Code: Alles auswählen

from urllib.parse import urlparse
import scrapy
from scrapy.spiders import CrawlSpider, Rule
from scrapy.linkextractors import LinkExtractor


class WebThing(scrapy.Item):
    """ An item to hold our data """
    t_type = scrapy.Field()
    page = scrapy.Field()
    f_id = scrapy.Field()
    name = scrapy.Field()
    action = scrapy.Field()
    inputs = scrapy.Field()


class GDPRAudit(CrawlSpider):
    """ Find things of interest to a GDPR audit """

    name = 'gdpr_audit'
    allowed_domains = None
    start_urls = None

    rules = (
        Rule(LinkExtractor(), callback='parse_item', follow=True),
    )

    out_filename = 'out.csv'
    out_file = None
    exporter = None

    def __init__(self, *args, **kwargs):
        super(GDPRAudit, self).__init__(*args, **kwargs)
        self.start_urls = open(self.urlfile, 'r').read().split('\n')
        self.allowed_domains = [urlparse(u)[1] for u in self.start_urls]
        print('ALLOWED DOMAINS: ' + ','.join(self.allowed_domains))

    def parse_item(self, response):
       
        frames = self.find_iframes(response)
        for frame in frames:
            yield frame

    

    def find_iframes(self, response):
        """ Look for iframes and collect some data about them """
        iframe_selector = '//script'
        for iframe in response.xpath(iframe_selector):
            frame_data = WebThing()
            frame_data['t_type'] = 'Script'
            frame_data['page'] = response.request.url
            frame_data['action'] = iframe.xpath('@src').extract_first()
            yield frame_data
Das Funktioniert auch soweit, jetzt wollte ich das etwas aufbohren und habe

iframe_selector = '//script[contains(., "googletagmanager.com")]

erweitert. Ziel ist es im Script Tag z.B. den Inhalt googletagmanager.com zu finden.

beim starten findet scrapy allerdings den Inhalt nicht.

Woran liegt das? Was ist falsch?

Vielen Dank für die Hilfe.
mcdbpas
User
Beiträge: 2
Registriert: Freitag 8. November 2019, 14:36

Funktioniert doch!

Aber auf der Testseite nicht, könnte das evtl. mit async src= zu tun haben?
script async src="https://www.googletagmanager.com/gtag/
Antworten