第七部分（二） 动态渲染页面爬取（Splash的安装和使用、Scrapy的安装、Docker的安装、Scrapy-Splash的安装，在Windows及Linux平台的安装）

二、 Splash的使用
Splash是一个JavaSscript渲染服务，一个带有HTTP API的轻量级浏览器，同时对接了Python中的Twisted和QT库。使用它同样可以实现动态渲页面的抓取。
Splash可以实现下面的这些功能：
异步方式处理多个网页渲染过程；
获取渲染后的页面的源代码或截图；
通过关闭图片渲染或者使用Adblock规则来加快页面渲染速度；
可执行特定的 JavaScript 脚本；
可通过 Lua 脚本来控制页面渲染过程；
获取渲染的详细过程并通过HAR(HTTP Archive)格式呈现。
在使用之前先进行Scrapy及Scrapy-Splash的安装。
1、 Scrapy的安装
Scrapy是非常强大的爬虫框架，依赖的库较多，至少要依赖的库有 Twisted 14.0 、lxml 3.4 和 pyQpenSSL 0.14。不同的平台依赖的库也不相同，在安装前确保一些基本库已经正确安装好。
对于Windows，Python是使用Anaconda安装的，可使用conda命令安装Scrapy，如果不是，需要一步步安装Scrapy。
conda install Scrapy
CentOS7安装 Scrapy:
首先确保依赖库已经安装，运行如下命令：
yum groupinstall -y development tools
yum install -y epel-release libxslt-devel libxml2-devel openssl-devel
没有报错，接着用 pip 安装 Scrapy:
pip3 install Scrapy
安装的时候报下面这个错误：
No matching distribution found for Twisted>=13.1.0 (from Scrapy)
下载Twisted这个安装包：
wget https://files.pythonhosted.org/packages/5d/0e/a72d85a55761c2c3ff1cb968143a2fd5f360220779ed90e0fadf4106d4f2/Twisted-18.9.0.tar.bz2
tar -xjvf Twisted-18.9.0.tar.bz2
cd Twisted-18.9.0/
python3 setup.py install
执行这条命令报下面的错误：
src/twisted/test/raiser.c:4:20: 致命错误：Python.h：没有那个文件或目录
解决方法，安装 python-dev：
yum install python-devel
再次执行安装命令，安装Twisted成功：
python3 setup.py install
接下来再一次用 pip 命令安装 Scrapy，这次提示安装成功:
pip3 install Scrapy
安装完成后在命令行执行 scrapy 后可以看到可用命令选项。
下面是一些与scrapy相关的网站：
scrapy官方网站：https://scrapy.org
scrapy官方文档：https://docs.scrapy.org
scrapy PyPI：https://pypi.python.org/pypi/Scrapy
scrapy GitHub：https://github.com/scrapy/scrapy
scrapy 中文文档：https://scrapy-chs.readthedocs.io/zh_CN/0.24/
python wheel文件：http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
2、 安装Docker
在安装Splash之前，还需要安装Docker才行。Docker是一种部署方式，叫作Docker集群部署。可将爬虫制作为Docker镜像，在主机上安装了Docker，就可直接运行爬虫，不用担心环境配置、版本问题。
Docker是一种容器技术，可以将应用和环境等进行打包，形成一个独立的、类似于iOS 的App形式的“应用” 。这个应用可以直接被分发到任意一个支持Docker 的环境中， 通过简单的命令即可启动运行。Docker 是一种最流行的容器化实现方案，和虚拟化技术类似，它极大地方便了应用服务的部署；又与虚拟化技术不同，它以一种更轻量的方式实现了应用服务的打包。使用Docker ，可以让每个应用彼此相互隔离，在同一台机器上同时运行多个应用，不过它们彼此之间共享同一个操作系统。Docker 的优势在于，它可以在更细的粒度上进行资源管理，也比虚拟化技术更加节约资源。
用Docker大规模部署爬虫系统会大提高效率。所以需要先安装Docker容器。
与Docker相关的网站如下：
官方网站：https://www.docker.com
GitHub：https://github.com/docker
Docker Hub: https://hub.docker.com
官方文档：https://docs.docker.com
DaoCloud: http://www.daocloud.io
中文社区：http://www.docker.org.cn
中文教程：http://www.runoob.com/docker/docker-tutorial.html
推荐书籍：https://yeasy.gitbooks.io/docker_practice
windows 10系统安装Docker，在官方网站上下载 Docker for Windows安装包进行安装。安装完成后在命令行输入 docker 会看到命令选项信息，表示安装成功。
CentOS7 安装Docker，使用下面的一条命令即可完成，安装过程较慢:
curl -sSL https://get.docker.com/ | sh
3、 Scrapy-Splash的安装
Scrapy-Splash是一个Scrapy中支持JavaScript渲染的工具。安装分为两部分。一个是Splash服务的安装，通过Docker安装，安装后会启动一个Splash服务，可通过它的接口来实现JavaScript页面的加载。另一个是Scrapy-Splash的Python库的安装，安装后可在Scrapy中使用Splash服务。
与Scrapy-Splash相关的连接如下：
Github: https://github.com/scrapy-plugins/scrapy-splash
PyPI: https://pypi.python.org/pypi/scrapy-splash
使用说明：https://github.com/scrapy-plugins/scrapy-splash#configuration
Splash官方文档：http://splash.readthedocs.io
安装splash，Scrapy-Splash要使用HTTP API进行页面渲染，所以需要安装Splash来提供渲染服务，通过docker安装，在用docker安装前，需要在命令行先登录docker，登录命令是：
docker login，根据提示输入用户名和密码，用户名和密码是官方网站上注册的用户名和密码，注意用户名不是注册时的邮箱。
windows下登录成功后执行安装命令如下：
docker run -p 8050:8050 scrapinghub/splash
安装完成后可以看到Splash已经在8050端口上运行的输出结果，这时打开 http://localhost:8050/ 可以看到Splash的主面。如图2-1所示。

图2-1    Splash运行主页面
Splash可以直接安装在运程服务器上，在运程服务器上以守护态运行Splash即可，这样在中断与运程服务器连接后，不会终止Splash服务的运行。命令如下所示，命令中的 -d 参数表示将Docker容器以守护态运行。
docker run -d -p 8050:8050 scrapinghub/splash
3.1、 在CentOS7安装Scrapy-Splash，提示下面错误：
docker: Cannot connect to the Docker daemon at unix:///var/run/docker.sock. Is the docker daemon running?.
解决办法：
systemctl daemon-reload
systemctl restart docker
service docker status   # 查看运行情况
systemctl status docker.service     # 执行这个命令也是查看运行情况
配置镜像加速器，加速文件是在 /etc/docker/daemon.json，如果没有就创建该文件，执行下面这条命令：
curl -sSL https://get.daocloud.io/daotools/set_mirror.sh | sh -s http://f1361db2.m.daocloud.io
重启docker：
systemctl restart docker
运行安装命令：
docker run -p 8050:8050 scrapinghub/splash
执行完成安装命令后，在 windows 的浏览器地址栏可以正常访问 http://192.168.64.50:8050，此时可以正常使用 splash。
不同平台配置镜像加速方法参考：
http://guide.daocloud.io/dcs/daocloud-9153151.html
4、 Scrapy-Splash的安装
安装完Splash后，接下来就安装其对应的Python库，使用pip命令进行安装，如下所示：
pip3 install scrapy-splash
5、 Splash简单使用
在图2-1的Splash主页面中，右上方有的输入框中输入 https://www.baidu.com，点击 Render me开始渲染，如果如图2-2所示。

图2-2     Splash渲染百度页面
可以看出，网页的返回结果呈现了渲染图、HAR加载统计数据、网页源代码。在HAR结果中可以看到，Splash执行了整个网页的渲染过程，包括CSS、JavaScript的加载等过程，呈现的页面与在浏览器中得到的结果是一样的。这个过程是由图2-1中Splash运行主页面中的一段Lua语言写的脚本控制的。代码如下：
function main(splash, args)
assert(splash:go(args.url))
assert(splash:wait(0.5))
return {
html = splash:html(),
png = splash:png(),
har = splash:har(),
}
end
这段Lua语言脚本的意思是：
splash:go(args.url)：先调用go()方法加载页面；
splash:wait(0.5)：再调用wait()方法等待一定时间
return返回源代码、截图和HAR信息。
通过上面了解到，Splash通过Lua脚本控制页面的加载过程，加载过程完全模拟浏览器，最后返回各种样式的结果。
6、 Splash Lua脚本
用Splash来模拟类似Chrome、PhangtomJS的操作。先了解下Splash Lua脚本的入口和执行方式。
6.1、 Lua入口及返回值
看下面这个简单的Lua脚本：
function main(splash, args)
splash:go("https://www.baidu.com")
splash:wait(0.5)
local title=splash:evaljs("document.title")
return {title=title}
end
将段代码粘贴到图2-1中的代码编辑区域后点击Render me! 进行测试。结果是返回网页的标题。代码中 evaljs() 方法中传入的是JavaScript脚本，document.title返回的是网页标题，接着将这个结果赋值给一个title变量，随后将其返回。
代码定义的方法名称叫作main()，这个名称是固定的，Splash默认会调用这个方法。该方法的返回值可以是字典形式，也可以是字符串形式，最后都会转化为 Splash HTTP Response，例如下面这样:
function main(splash)
return {hello="python"}     # 返回字典形式的内容
end
function main(splash)
return "python"     # 返回字符串形式的内容
end
6.2、 异步处理
Splash支持异步处理，但是这里没有显式指明回调方法，其回调的跳转是在Splash内部完成的。示例如下:
function main(splash, args)
local example_urls = {"www.baidu.com", "www.taobao.com", "www.zhihu.com"}
local urls = args.urls or example_urls
local results = {}
for index, url in ipairs(urls) do
local ok, reason = splash:go("https://" .. url)
if ok then
splash:wait(2)
results[url] = splash:png()
end
end
return results
end
运行这段代码后返回的是3个站点的截图。代码中的wait()方法相当于Python中的sleep()，参数是等待秒数。在splash执行到此方法时，它会转而去处理其他任务，然后在指定的时间过后再回来继续处理。要注意的是，Lua脚本中字符串拼接和Python不同，它使用的是（..）操作符，而不是（+）。这里在加载时做了异常检测。go()方法会返回加载页面的结果状态，如果页面出现 4xx 或 5xx 状态码，ok 变量就为空，就不会返回加载后的图片。Lua 脚本语法参考：
http://www.runoob.com/lua/lua-basic-syntax.html
7、 Splash对象属性
前面的Lua代码中，main()方法的第一个参数是splash，这个对象非常重要，类似于Selenium中的WebDriver对象，可以调用它的一些属性和方法来控制加载过程。下面来看下它的属性。
7.1、 args属性
获取加载时配置的参数，如URL，如果为GET请求，可获取GET请求参数；如果为POST请求，可获取表单提交的数据。Splash也支持使用第二个参数直接作为args，例如这样：
function main(splash, args)
local url = args.url
end
第二个参数 args 相当于 splash.args属性，上面代码等价于这样：
function main(splash, args)
local url = splash.args.url
end
7.2、 js_enabled属性
Splash的JavaScript执行开关，可设置为true或false来控制是否执行JavaScript代码，默认是true。如果设置为false时，调用evaljs()方法执行JavaScript时就会抛出异常。如下所示：
function main(splash, args)
splash:go("https://www.baidu.com")
splash.js_enabled=false
local title=splash:evaljs("document.title")
return {title=title}
end
执行这段代码，抛出下面的错误提示信息：
{
"description": "Error happened while executing Lua script",
"type": "ScriptError",
"info": {
"source": "[string "function main(splash, args)
..."]",
"js_error_message": null,
"splash_method": "evaljs",
"line_number": 4,
"message": "[string "function main(splash, args)
..."]:4: unknown JS error: None",
"type": "JS_ERROR",
"error": "unknown JS error: None"
},
"error": 400
}
7.3、 resource_timeout属性
设置加载的超时时间，单位是秒。设置为 0 或 nil (相当于Python中的None)表示不检测超时。这个属性适合用在加载较慢的网页，如果超过某个时间无响应，忽略异常即可。示例如下：
function main(splash)
splash.resource_timeout = 0.1
assert(splash:go('https://www.taobao.com'))
return splash.png()
end
执行代码后的错误信息如下所示：
{
"description": "Error happened while executing Lua script",
"type": "ScriptError",
"info": {
"line_number": 3,
"source": "[string "function main(splash)
..."]",
"type": "LUA_ERROR",
"message": "Lua error: [string "function main(splash)
..."]:3: network5",
"error": "network5"
},
"error": 400
}
7.4、 images_ enabled属性
设置图片是否可加载，默认是可加载。禁用该属性可节省网络流量并提高网页加载速度。要注意的是，禁用图片加载可能会影响JavaScript渲染，因为外层DOM节点的高度会受影响，进而影响DOM节点的位置。因此，JavaScript对图片节点有操作的话，其执行就会受到影响。
另外要注意的是，Splash使用了缓存。如果一开始加载出来了图片，然后禁用图片加载，再重新加载页面，之前加载好的图片可能还会显示出来，这时重启Splash即可。示例如下：
function main(splash, args)
splash.images_enabled = false
assert(splash:go('https://www.jd.com'))
return {png=splash:png()}
end
7.5、 plugins _enabled属性
控制浏览器插件（如Flash插件）是否开启，默认是false，不开启。可使用下面方式开启或关闭该属性：
splash.plugins_enabled = true/false
7.6、 scroll_position属性
设置此属性可控制页面上下或左右滚动。是一个常用的属性，示例如下：
function main(splash, args)
assert(splash:go('https://www.taobao.com'))
splash.scroll_position = { y=400 }
return { png=splash:png() }
end
代码中 y=400 控制页面向下滚动400像素值。要控制左右滚动，可传入 x 参数，如下所示：
splash.scroll_position = {x=100, y=200}
8、 Splash对象的方法
Splash对象有下面这些方法。
8.1、 go()方法
请求某个链接，可模拟GET和POST请求，支持传入请求头、表单等数据，其用法如下：
ok, reason = splash:go{url, baseurl=nil, headers=nil, http_method="GET", body=nil, formdata=nil}
go()方法参数说明：
url: 请求的URL。
baseurl: 可选参数，默认为空，表示资源加载相对路径。
headers: 可选参数，默认为空，表示请求头。
http_method: 可选参数，默认为GET，同时支持POST。
body: 可选参数，默认为空，发POST请求时的表单数据，使用的Content-type为application/json
formdata: 可选参数，默认为空，POST的时候的表单数据，使用的Content-type为application/x-www-form-urlencode。
该方法返回结果是结果ok和原因reason的组合，如果ok为空，代表网页加载出现错误，此时reason变量中包含了错误的原因。否则表示页面加载成功。示例如下：
function main(splash, args)
local ok, reason = splash:go{"http://httpbin.org/post", http_method="POST", body="name=Michael"}
if ok then
return splash:html()
end
end
这段代码模拟POST请求，并传入POST的表单数据，如果成功，则返回页面源代码。运行结果如下所示，在下面结果中有"name": "Michael"，表示成功实现了POST请求并发送表单数据。
<html><head></head><body><pre style="word-wrap: break-word; white-space: pre-wrap;">{
"args": {},
"data": "",
"files": {},
"form": {
"name": "Michael"
},
"headers": {
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "en,*",
"Content-Length": "12",
"Content-Type": "application/x-www-form-urlencoded",
"Host": "httpbin.org",
"Origin": "null",
"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/602.1 (KHTML, like Gecko) splash Version/9.0 Safari/602.1"
},
"json": null,
"origin": "183.221.39.12, 183.221.39.12",
"url": "https://httpbin.org/post"
}
</pre></body></html>
8.2、 wait()方法
控制页面的等待时间，用法如下：
ok, reason = splash:wait{time, cancel_on_redirect=false, cancel_on_error=true}
wait()方法参数说明：
time: 等待的秒数。
cancel_on_redirect：可选参数，默认为false，表示如果发生了重定向就停止等待，并返回重定向结果。
cancel_on_error：可选参数，默认为false，表示如果发生加载错误，就停止等待。
返回结果同样是结果ok和原因reason的组合。示例如下：
function main(splash)
splash:go("https://www.taobao.com")
splash:wait(2)
return {html=splash:html()}
end
8.3、jsfunc()方法
该方法可以直接调用JavaScript定义的方法，但是所调用的方法需要用双中括号包围，这相当于实现了 JavaScript 方法到 Lua 脚本的转换。例如下面这样：
function main(splash, args)
local get_div_count = splash:jsfunc([[
function () {
var body = document.body;
var divs = body.getElementsByTagName('div');
return divs.length;
}
]])
splash:go("https://www.taobao.com")
return ("There are %s DIVs"):format(get_div_count())
end
运行结果如下：
There are 562 DIVs
这段代码中，先声明一个JavaScript方法，在页面加载成功后调用此方法计算页面中的div节点个数。有关 JavaScript 到 Lua 脚本的转换细节，参考官方文档：
https://splash.readthddocs.io/en/stable/scripting-ref.html#splash-jsfunc
8.4、 evaljs()方法
可执行JavaScript代码并返回最后一条JavaScript语句的返回结果，用法如下：
result = splash:evaljs(js)
比如用来获取标题的方法：
local title = splash:evaljs("document.title")
8.5、 runjs()方法
该方法可执行JavaScript代码，它与evaljs()的功能类似，但是更偏向于执行某些动作或声明某些方法。例如：
function main(splash, args)
splash:go("https://www.baidu.com")
assert(splash:runjs("foo = function (){ return 'michael' }"))
local result = splash:evaljs("foo()")
return result
end
这里用runjs()先声明一个JavaScript定义的方法，然后通过evaljs()来调用得到的结果。输出是：michael
8.5、 autoload()方法
可设置页面访问时自动加载的对象，用法如下所示：
ok, reason = splash:autoload{source_or_url, source=nil, url=nil}
参数说明如下：
source_or_url：JavaScript代码或者JavaScript库连接。
source：JavaScript代码。
url：JavaScript库连接
该方法只负责加载JavaScript代码或库，不执行任何操作。如果要执行操作，可调用evaljs()或runjs()方法。示例如下：
function main(splash, args)
splash:autoload([[
function get_document_title(){
return document.title;
}
]])
splash:go("https://www.zhihu.com")
return splash:evaljs("get_document_title()")
end
这段代码中调用了autoload()方法声明一个JavaScript方法，之后通过 evaljs() 方法执行此 JavaScript 方法，运行结果是：
知乎 - 有问题，上知乎
此外，还可用 autoload() 方法加载某些库，如 jQuery，示例如下：
function main(splash, args)
assert(splash:autoload("https://code.jquery.com/jquery-1.12.4.min.js"))
assert(splash:go("https://www.sina.com.cn"))
local version = splash:evaljs("$.fn.jquery")
return 'JQuery version:' .. version
end
运行结果是：JQuery version:1.7.2，这个版本号是新浪网站的。
8.6、 call_later()方法
该方法通过设置定时任务和延迟时间来实现任务延时执行，并且可以在执行前通过 cancel() 方法重新执行定时任务。示例如下：
function main(splash, args)
local snapshots = {}
local timer = splash:call_later(function()
snapshots["a"] = splash:png()
splash:wait(1.0)
snapshots["b"] = splash:png()
end, 0.2)
splash:go("https://www.taobao.com")
splash:wait(3)
return snapshots
end
这段代码中设置了一个定时任务，0.2 秒时获取网页截图，然后等待1秒，即 1.2秒时再次获取网页截图，访问的是淘宝首页。
8.7、 http_get()方法
可模拟发送HTTP的GET请求，用法如下所示：
response = splash:http_get{url, headers=nil, follow_redirects=true}
参数说明如下：
url：请求URL。
headers：可选参数，默认为空，请求头。
follow_redirects：可选参数，表示是否启动重定向，默认为true。
示例如下:
function main(splash, args)
local treat = require("treat")
local response = splash:http_get("http://httpbin.org/get")
return {
html=treat.as_string(response.body),
url=response.url,
status = response.status
}
end
运行结果如下所示：
Splash Response: Object
html: String (length 343)
{
"args": {},
"headers": {
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "en,*",
"Host": "httpbin.org",
"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/602.1 (KHTML, like Gecko) splash Version/9.0 Safari/602.1"
},
"origin": "183.221.39.12, 183.221.39.12",
"url": "https://httpbin.org/get"
}
status: 200
url: "http://httpbin.org/get"
8.8、 http_post()方法
模拟发送POST请求，比http_get()方法多一个body参数，用法如下：
response = splash:http_post{url, headers=nil, follow_redirects=true, body=nil}
参数说明如下：
url：请求的URL
headers：可选参数，默认为空，请求头。
follow_redirects：可选参数，表示是否启动自动重定向，默认为true。
body：可选参数，即表单数据，默认为空。
示例如下所示：
function main(splash, args)
local treat = require("treat")
local json = require("json")
local response = splash:http_post{"http://httpbin.org/post",
body=json.encode({job="michael"}),
headers={["content-type"]="application/json"}
}
return {
html=treat.as_string(response.body),
url=response.url,
status=response.status
}
end
运行结果如下所示，从输出可看出，成功模拟提交了POST请求并发送了表单数据（body数据）：
Splash Response: Object
html: String (length 521)
{
"args": {},
"data": "{"job": "michael"}",
"files": {},
"form": {},
"headers": {
"Accept-Encoding": "gzip, deflate",
"Accept-Language": "en,*",
"Content-Length": "18",
"Content-Type": "application/json",
"Host": "httpbin.org",
"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/602.1 (KHTML, like Gecko) splash Version/9.0 Safari/602.1"
},
"json": {
"job": "michael"
},
"origin": "183.221.39.12, 183.221.39.12",
"url": "https://httpbin.org/post"
}
status: 200
url: "http://httpbin.org/post"
8.9、 set_content()方法
设置页面的内容，用法示例如下所示：
function main(splash)
assert(splash:set_content("<html><body><h1>helle world!</h1></body></html>"))
return splash:png()
end
运行这段代码，输出是含有 helle world! 字样的页面截图。
8.10、 html()方法
获取网页小源代码，即简单又常用的方法。
function main(splash, args)
splash:go("http://httpbin.org.get")
return splash:html()
end
8.11、 png()方法
获取PNG格式的网页截图，示例如下：
function main(splash, args)
splash:go("https://www.taobao.com")
return splash:png()
end
8.12、 jpeg()方法
获取JPEG格式的网页截图，示例如下：
function main(splash, args)
splash:go("https://www.taobao.com")
return splash:jpeg()
end
8.13、 har()方法
获取页面加载过程描述，示例如下：
function main(splash, args)
splash:go("https://www.baidu.com")
return splash:har()
end
运行结果会显示页面加载过程中每个请求记录的详情。
8.13、 url()方法
获取当前正在访问的URL，示例如下：
function main(splash, args)
splash:go("https://www.baidu.com")
return splash:url()
end
运行结果是：https://www.baidu.com/
8.14、 get_cookies()方法
获取当前页面的Cookies，示例如下：
function main(splash, args)
splash:go("https://www.baidu.com")
return splash:get_cookies()
end
运行结果大致内容如下所示：
Splash Response: Array[7]
0: Object
domain: ".baidu.com"
expires: "2087-04-12T05:03:05Z"
httpOnly: false
name: "BAIDUID"
path: "/"
secure: false
value: "FFA9DF2148D3AED2188D59DFC19D6733:FG=1"
1: Object
domain: ".baidu.com"
expires: "2087-04-12T05:03:05Z"
httpOnly: false
name: "BIDUPSID"
path: "/"
secure: false
value: "FFA9DF2148D3AED2188D59DFC19D6733"
2: Object
domain: ".baidu.com"
expires: "2087-04-12T05:03:05Z"
httpOnly: false
name: "PSTM"
path: "/"
secure: false
value: "1553478538"
8.15、 add_cookie()方法
为当前页面添加Cookie，使用方法如下：
cookies = splash:add_cookie{name, value, path=nil, domain=nil, expires=nil, httpOnly=nil, secure=nil}
各个参数代码Cookie的各个属性。
function main(splash, args)
splash:add_cookie{"sessioned", "12345michael", "/", domain="http://example.com"}
splash:go("http://example.com/")
return {splash:html(), splash:get_cookies()}
end
8.16、 clear_ cookies()方法
清除所有的Cookies，示例如下：
function main(splash)
splash:go("https://www.baidu.com/")
splash:clear_cookies()
return splash:get_cookies()
end
代码中先用clear_cookies()方法清除cookies，再用get_cookies()方法获取，此时获取到cookies为空的。
8.17、 get_viewport_size()方法
获取当前浏览器页面的大小，即宽高，示例如下：
function main(splash)
splash:go("https://www.baidu.com/")
return splash:get_viewport_size()
end
运行结果如下所示：
Splash Response: Array[2]
0: 1024
1: 768
8.18、 set_viewport_size()方法
设置当前浏览器页面的大小，即宽高，用法如下：
splash:set_viewport_size(sidth, height)
需要访问一个宽度自适应的页面才能看到效果：
function main(splash)
splash:set_viewport_size(400, 700)
assert(splash:go("https://www.baidu.com"))
return splash:png()
end
8.19、 set_viewport_full()方法
设置浏览器全屏显示，示例如下：
function main(splash)
splash:set_viewport_full()
assert(splash:go("https://www.baidu.com"))
return splash:png()
end
8.20、 set_user_agent()方法
设置浏览器的User_Agent，示例如下：
function main(splash)
splash:set_agent('Splash')
splash:go("http://httpbin.org/get")
return splash:html()
end
将浏览器的User-Agent设置为Splash，运行结果中有："User-Agent": "Splash"。可以看到User-Agent被成功设置。
8.21、 set_custom_headers()方法
设置请求头，示例如下：
function main(splash)
splash: set_custom_headers({
["User-Agent"] = "Splash",
["Site"] = "Splash",
})
splash:go("http://httpbin.org/get")
return splash:html()
end
代码中设置了请求头中的User-Agent 和 site 属性，运行结果中有："Site": "Splash", "User-Agent": "Splash"，表示设置
成功。
8.22、 select()方法
该方法可以选中符合条件的第一个节点，如果有多个节点符合条件，则只会返回一个，其参数是CSS选择器。示例如下：
function main(splash)
splash:go("https://www.baidu.com")
cfz = splash:select("#kw")
cfz:send_text("Python")
splash:wait(1)
return splash:png()
end
代码中go()方法访问百度，选中搜索框后调用 send_text() 方法填入关键字后返回网页截图。
8.23、 select_all()方法
选中所有符合条件的节点，参数是CSS选择器。示例如下：
function main(splash)
local treat = require('treat')
assert(splash:go("http://quotes.toscrape.com/"))
assert(splash:wait(0.5))
local texts = splash:select_all('.quote .text')
local results = {}
for index, text in ipairs(texts) do
results[index] = text.node.innerHTML
end
return treat.as_array(results)
end
代码中用CSS选择器选中了节点的正文内容，随后遍历所有节点，将将其中文本获取下来。运行结果省略。
8.24、 mouse_click()方法
模拟鼠标点击操作，传入的参数为坐标值 x 和 y。也可以直接选中某个节点，然后调用此方法，示例如下：
function main(splash)
splash:go("https://www.baidu.com")
input = splash:select("#kw")    --获取输入框
input: send_text("Splash")      --输入文本Splash
submit = splash:select("#su")   --获取点击按钮
submit:mouse_click()            --点击
splash:wait(3)
return splash:png()
end
在这段代码中，选中页面的输入框，输入文本，然后选中“提交”按钮，接着调用 mouse_click() 方法提交查询，并返回截图。运行结果省略。
更详细的 Splash API操作，Splash 对象的所有API操作，参考官方文档：
https://splash.readthedocs.io/en/stable/scripting-ref.html
针对页面元素的 API 操作，参考下面这个官方文档：
https://splash.readthedocs.io/en/stable/scripting-element-object.html
9、 Splash API调用
Splash提供的一些 HTTP API 接口，可利用Splash渲染页面，并与Python程序结合使用抓取 JavaScript 渲染的页面。调用这些接口传入相应的参数即可。
9.1、 render.html接口
用于获取 JavaScript 渲染的页面的HTML代码，接口地址是Splash 的运行地址加此接口名称，例如 http://localhost:8050/render.html。
可用 curl 进行测试，在命令行下输入下面的代码：
curl http://localhost:8050/render.html?url=https://www.baidu.com
这行代码给此接口传递一个 url 参数来指定渲染的 URL，返回结果即页面渲染后的源代码。用Python来实现，代码如下：
import requests
url = "http://localhost:8050/render.html?url=https://www.baidu.com"
response = requests.get(url)
print(response.text)
通过这几行代码就可输出百度页面渲染后的源代码。
此接口还可以指定其它参数，如通过 wait 参数指定等待秒数，在需要确保页面完全加载出来时，可增加等待时间。例如：
import requests
url = "http://localhost:8050/render.html?url=https://www.taobao.com&wait=5"
response = requests.get(url)
print(response.text)
这样的请求时间会变长，这里是等待5秒过后获取淘宝的源代码。注意参数是以 &wait=5 这种方式出现在 URL 中。
此外，接口还支持代理设置、图片加载设置、Headers 设置、请求方法设置，详细情况参考官方文档：
https://splash.readthedocs.io/en/stable/api.html#render-html
9.2、 render.png接口
获取网页截图，需要指定图形的大小，可通过 width 和 height 来控制宽高，返回的是 PNG 格式的图片二进制数据。示例如下：
curl http://localhost:8050/render.png?url=https://www.taobao.com&wait=3&width=1000&height=700
这行代码中使用 render.pgn 接口，设置了等待参数 wait ，另外通过 width 和 height 设置了页面大小。
利用 Python 实现，可将返回的二进制数据保存为PNG格式的图片，如下面方法所示：
import requests
url = "http://localhost:8050/render.png?url=https://www.taobao.com&wait=3&width=1000&height=700"
response = requests.get(url)
with open('taobao.png', 'wb') as f:
f.write(response.content)
通过wait参数设置页面渲染的程度，并且返回渲染后的截图。
更多详细参数设置参考官方文档：
https://splash.readthedocs.io/en/stable/api.html#render-png
9.3、 render.jpeg接口
与 render.png 接口类似，返回的是 JPEG 格式的图片二进制数据。该接口多了 quality 参数设置图片质量。
9.4、 render.har接口
获取页面加载的 HAR 数据，用法如下：
curl http://localhost:8050/render.har?url=https://www.jd.com&wait=5
该行代码返回结果非常多，是一个 JSON 格式的数据，其中包含页面加载过程中的 HAR 数据。
9.5、 render.json接口
该接口包含了前面接口的所有功能，返回结果是 JSON 格式，用法如下：
curl http://localhost:8050/render.json?url=https://www.baidu.com
输出结果如下所示：
{'requestedUrl': 'https://www.baidu.com/', 'geometry': [0, 0, 1024, 768], 'url': 'https://www.baidu.com/', 'title': '百度一下，你就知道'}
从输出可知，这里以 JSON 形式返回相应请求数据。还可以传入不同的参数控制其返回结果。比如传入 html=1，返回结果会增加源代码数据；传入 png=1，返回结果会增加页面 PNG 截图数据；传入 har=1，会获得页面 HAR 数据。例如：
curl http://localhost:8050/render.json?url=https://www.baidu.com&html=1&har=1
这种方式返回的结果会包含网页源代码和 HAR 数据。
更多参数设置，参考官方文档：
https://splash.readthedocs.io/en/stable/api.html#render-json
9.6、 execute接口
这个是最重要也是最强大的接口，前面的很多 Splash Lua 脚本的操作，用此接口便可实现与 Lua 脚本的对接。render.html 和render.png 等这些接口对于一般的 JavaScript 渲染页面可满足要求，但要实现一些交互操作就无能为力，这时就需要使用 execute接口。先写一个简单的 Lua 脚本，直接返回数据：
function main(splash)
return 'hello python'
end
接下来将此脚本转化为 URL 编码后的字符串（在页面上执行这段脚本可进行转化），拼接到 execute 接口后面，如下所示：
curl http://localhost:8050/execute?lua_source=function+main%28splash%29%0D%0A++++return+%27hello+python%27%0D%0Aend
运行结果输出： hello python
通过 lua_source 参数传递转码后的 Lua 脚本，通过 execute 接口获取了最终脚本的执行结果。上面这些操作可用 Python 来实现，代码如下：
import requests
from urllib.parse import quote
lua = '''
function main(splash)
return 'hello python'
end
'''
url = 'http://localhost:8050/execute?lua_source=' + quote(lua)
response = requests.get(url)
print(response.text)
运行结果输出为：hello python
这段代码中用三引号将 Lua 脚本包括起来，用 urllib.parse 模块的 quote() 方法将脚本进行 URL 转码，随后构造 Splash 请求 URL，将其作为 lua_source 参数传递，这样运行结果就会显示 Lua 脚本执行后的结果。再来看另一个实例：
import requests
from urllib.parse import quote
lua = '''
function main(splash, args)
local treat = require("treat")
local response = splash: http_get("http://httpbin.org/get")
return {
html = treat.as_string(response.body),
url = response.url,
status = response.status
}
end
'''
url = "http://localhost:8050/execute?lua_source=" + quote(lua)
response = requests.get(url)
print(response.text)
输出结果如下所示：
{"html": "{
  "args": {}, 
  "headers": {
    "Accept-Encoding": "gzip, deflate", 

"Accept-Language": "en,*", 
    "Host": "httpbin.org", 

"User-Agent": "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/602.1 (KHTML, like Gecko) splash Version/9.0 Safari/602.1"
  }, 

"origin": "183.221.39.19, 183.221.39.19", 
  "url": "https://httpbin.org/get"
}
",
"status": 200, "url": "http://httpbin.org/get"}
从输出可知，返回结果是 JSON 形式，成功获取了请求的 URL、状态码和网页源代码。通过这种方式，可将 Lua 脚本与 Python 进行对接，所有网页的动态渲染、模拟点击、表单提交、页面滑动、延时等待后的一些结果均可自由控制，获取页面源码和截图都能实现。
利用 Python 和 Splash 可以实现 Javascript渲染的页面抓取，同时有强大的渲染功能，并且不需要浏览器即可渲染，使用很方便，不像 Selenium 需要使用浏览器。