Python利用Phantomjs抓取渲染JS後的網頁

最近需要爬取某網站，無奈頁面都是JS渲染後產生的，普通的爬蟲框架搞不定，於是想到用Phantomjs搭一個代理。
Python呼叫Phantomjs貌似沒有現成的第三方函式庫（如果有，請告知小2），漫步了一圈，發現只有pyspider提供了現成的方案。
簡單試用了一下，感覺pyspider更像一個為新手打造的爬蟲工具，好比一個老媽子，有時無微不至，有時喋喋不休。
輕巧的小工具應該更受人喜愛，我也懷著一點私心，可以帶著我最愛的BeautifulSoup一塊兒用，而不用再學PyQuery（pyspider用來解析HTML），更不用忍受瀏覽器寫Python的糟糕體驗（偷笑）。
所以花了一個下午的時間，把pyspider當中實現Phantomjs代理的部分拆了出來，獨立成一個小的爬蟲模組，希望大家會喜歡（感謝binux！）。

準備工作

你當然要有Phantomjs，廢話！ （Linux下最好用supervisord守護，必須保持抓取的時候Phantomjs一直處於開啟狀態）

用專案路徑下的phantomjs_fetcher.js啟動：phantomjs phantomjs_fetcher.js [port]

的依賴httpclient模組）

呼叫是超簡單的

from tornado_fetcher import Fetcher
# 创建一个爬虫
>>> fetcher=Fetcher(
    user_agent='phantomjs', # 模拟浏览器的User-Agent
    phantomjs_proxy='http://localhost:12306', # phantomjs的地址
    poolsize=10, # 最大的httpclient数量
    async=False # 同步还是异步
    )
# 开始连接Phantomjs的代理，可以渲染JS！
>>> fetcher.phantomjs_fetch(url)
# 渲染成功后执行额外的JS脚本（注意用function包起来！）
>>> fetcher.phantomjs_fetch(url, js_script='function(){setTimeout("window.scrollTo(0,100000)}", 1000)')