web-crawling - 从 bandcamp.com 获取项目标题

Question

我尝试从页面的“发现”部分（摇滚->所有摇滚->新来者）获取来自 bandcamp.com 新版本的项目标题

scrapy shell 'https://bandcamp.com/?g=rock&s=new&p=0&gn=0&f=all&w=0'

页面的部分相关源码如下所示：

<div class="col col-3-12 discover-item">
            <a data-bind="click: playMe, css: { 'playing': playing }" class="item-link playable">
                <span class="item-img ratio-1-1">
                    <img class="art" data-bind="src_art: { 'art_id': artId, 'format': 'art_tags_large' }" src="https://f4.bcbits.com/img/a1631562669_9.jpg">
                    <span class="plb-btn">
                        <span class="plb-bg"></span>
                        <span class="plb-ic"></span>
                    </span>
                </span>
                </a><a data-bind="attr: { 'href': itemURL }, text: title, click: playMe" class="item-title" href="https://reddieseloff.bandcamp.com/album/dead-rebel?from=discover-new">Dead Rebel</a>
                <a data-bind="attr: { 'href': bandURL }, text: artist, click: playMe" class="item-artist" href="https://reddieseloff.bandcamp.com?from=discover-new">Red Diesel</a>
                <span class="item-genre" data-bind="text: genre">rock</span>

        </div>

我尝试在 xpath 的帮助下获取 item-title 的文本（在本例中为“Dead Rebel”）：

 response.xpath('//div[@class="col col-3-12 discover-item"]//a[@class="item-title"]/text()').extract()

但它什么也不返回。

 []

它也不适用于“item-artist”，所以我想知道我做错了什么。

感谢您的帮助。

Answer 1

您查找的所有数据都隐藏在页面正文内的隐藏div 节点中。
当您的浏览器加载网页时，javascript 会指示如何解包和显示这些数据，并且由于 scrapy 不运行任何 javscript，您需要自己执行此步骤：

 # all of the data is under "<div id="pagedata" data-blob=" attribute
 data = response.css('div#pagedata::attr(data-blob)').extract()
 import json
 data = json.loads(data[0])
 # dig through this python dictionary to find your data   
 (it has pretty much everything, even more than the page displays)