Python 使用Splash将Scrapy POST发布到Javascript生成的表单_Python_Web Scraping_Scrapy_Splash Screen_Scrapyjs

Python 使用Splash将Scrapy POST发布到Javascript生成的表单

python web-scraping scrapy

Python 使用Splash将Scrapy POST发布到Javascript生成的表单,python,web-scraping,scrapy,splash-screen,scrapyjs,Python,Web Scraping,Scrapy,Splash Screen,Scrapyjs,我有下面的蜘蛛，它几乎只是应该发布到一个表单上。但我似乎无法让它发挥作用。当我通过Scrapy做这件事时，反应从来没有表现出来。谁能告诉我这件事哪里出了问题这是我的蜘蛛代码： # -*- coding: utf-8 -*- from __future__ import unicode_literals import scrapy from scrapy.http import FormRequest from scrapy.shell import inspect_response c

我有下面的蜘蛛，它几乎只是应该发布到一个表单上。但我似乎无法让它发挥作用。当我通过Scrapy做这件事时，反应从来没有表现出来。谁能告诉我这件事哪里出了问题

这是我的蜘蛛代码：

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
import scrapy
from scrapy.http import FormRequest
from scrapy.shell import inspect_response


class RajasthanSpider(scrapy.Spider):
    name = "rajasthan"
    allowed_domains = ["rajtax.gov.in"]
    start_urls = (
        'http://www.rajtax.gov.in/',
    )

    def parse(self, response):
        return FormRequest.from_response(
            response,
            formname='rightMenuForm',
            formdata={'dispatch': 'dealerSearch'},
            callback=self.dealer_search_page)

    def dealer_search_page(self, response):

        yield FormRequest.from_response(
            response,
            formname='dealerSearchForm',
            formdata={
                "zone": "select",
                "dealertype": "VAT",
                "dealerSearchBy": "dealername",
                "name": "ana"
            }, callback=self.process)

    def process(self, response):
        inspect_response(response, self)

我得到的答复如下：

我应该得到这样的结果：

当我用Splash替换我的

经销商搜索页面（）

时，如下所示：

def dealer_search_page(self, response):

    yield FormRequest.from_response(
        response,
        formname='dealerSearchForm',
        formdata={
            "zone": "select",
            "dealertype": "VAT",
            "dealerSearchBy": "dealername",
            "name": "ana"
        },
        callback=self.process,
        meta={
            'splash': {
                'endpoint': 'render.html',
                'args': {'wait': 0.5}
            }
        })

我得到以下警告：

2016-03-14 15:01:29 [scrapy] WARNING: Currently only GET requests are supported by SplashMiddleware; <POST http://rajtax.gov.in:80/vatweb/dealerSearch.do> will be handled without Splash

2016-03-14 15:01:29[scrapy]警告：目前Splash中间件只支持GET请求；将在无飞溅的情况下进行处理

程序在到达my

process（）

函数中的my

inspect\u response（）

之前退出

错误表明Splash还不支持

POST

。

Splash

是否适用于此用例，或者我是否应该使用

Selenium

？

您可以使用。下面是一个完整的工作示例，我们使用与您的剪贴代码中相同的搜索参数提交表单，并在控制台上打印结果：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.select import Select
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


driver = webdriver.Firefox()
driver.get("http://www.rajtax.gov.in/")

# accept the alert
driver.switch_to.alert.accept()

# open "Search for Dealers"
wait = WebDriverWait(driver, 10)
search_for_dealers = wait.until(EC.visibility_of_element_located((By.PARTIAL_LINK_TEXT, "Search for Dealers")))
search_for_dealers.click()

# set search parameters
dealer_type = Select(driver.find_element_by_name("dealertype"))
dealer_type.select_by_visible_text("VAT")

search_by = Select(driver.find_element_by_name("dealerSearchBy"))
search_by.select_by_visible_text("Dealer Name")

search_criteria = driver.find_element_by_name("name")
search_criteria.send_keys("ana")

# search
driver.find_element_by_css_selector("table.vattabl input.submit").click()

# wait for and print results
table = wait.until(EC.visibility_of_element_located((By.XPATH, "//table[@class='pagebody']/following-sibling::table")))

for row in table.find_elements_by_css_selector("tr")[1:]:  # skipping header row
    print(row.find_elements_by_tag_name("td")[1].text)

打印搜索结果表中的TIN编号：

08502557052
08451314461
...
08734200736

请注意，使用selenium自动化的浏览器可以是无头浏览器，也可以是虚拟显示器上的常规浏览器

回答初始问题（编辑前）：

我在经销商搜索页面上看到的是——表单及其字段是由浏览器中执行的一系列JavaScript脚本构成的。Scrapy无法执行JS，您需要帮助它完成此部分。我敢肯定，在这种情况下就足够了，您不需要进入浏览器自动化。下面是一个将Scrapy与Splash一起使用的工作示例：

你可以通过以下方式接近它。下面是一个完整的工作示例，我们使用与您的剪贴代码中相同的搜索参数提交表单，并在控制台上打印结果：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.select import Select
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


driver = webdriver.Firefox()
driver.get("http://www.rajtax.gov.in/")

# accept the alert
driver.switch_to.alert.accept()

# open "Search for Dealers"
wait = WebDriverWait(driver, 10)
search_for_dealers = wait.until(EC.visibility_of_element_located((By.PARTIAL_LINK_TEXT, "Search for Dealers")))
search_for_dealers.click()

# set search parameters
dealer_type = Select(driver.find_element_by_name("dealertype"))
dealer_type.select_by_visible_text("VAT")

search_by = Select(driver.find_element_by_name("dealerSearchBy"))
search_by.select_by_visible_text("Dealer Name")

search_criteria = driver.find_element_by_name("name")
search_criteria.send_keys("ana")

# search
driver.find_element_by_css_selector("table.vattabl input.submit").click()

# wait for and print results
table = wait.until(EC.visibility_of_element_located((By.XPATH, "//table[@class='pagebody']/following-sibling::table")))

for row in table.find_elements_by_css_selector("tr")[1:]:  # skipping header row
    print(row.find_elements_by_tag_name("td")[1].text)

打印搜索结果表中的TIN编号：

08502557052
08451314461
...
08734200736

请注意，使用selenium自动化的浏览器可以是无头浏览器，也可以是虚拟显示器上的常规浏览器

回答初始问题（编辑前）：

SplashFormRequest

{'splash'：{'http_method'：'POST'}

SplashFormRequest

{'splash'：{'http_method'：'POST'}

inspect\u响应

视图（响应）

inspect\u响应

视图（响应）

FormRequest.from_response（）

FormRequest.from\u response

流程

请求

请求使用meta
，而不能对表单请求使用：s@MetalloyDFormRequest
是常规请求的子类
-您应该能够使用与常规请求
相同的meta
值。目前，我很难在本地设置splash容器，因此无法重现该问题。你现在有什么代码（在问题或要点中张贴）？谢谢，我已经把代码改成我试过的了。我还修改了这个问题，使其更具体地介绍了Splash。好的，请查看更新的答案。希望能有帮助。非常感谢alecxe！：那么，如果我理解的话，这种类型的用例不能与Splash一起使用？刮痧可以和硒一起用于这些类型的刮伤吗？因为Scrapy真的很快！相比之下，硒的吸收速度相当慢。好吧，我又迷路了。我一直在使用FormRequest.from_response（）
获取所有cookie、会话id和其他表单字段。如何使用我通过FormRequest.from\u response
获得的所有表单数据参数，向我的流程
函数发出请求
？因为我只能对请求使用meta
，而不能对表单请求使用：s@MetalloyDFormRequest
是常规请求的子类
-您应该能够使用与常规请求
相同的meta
值。目前，我在本地设置飞溅容器很难，无法再现问题。你现在有什么代码（在问题或要点中张贴）？谢谢，我已经把代码改成我试过的了。我还修改了这个问题，使其更具体地介绍了Splash。好的，请查看更新的答案。希望能有帮助。非常感谢alecxe！：那么，如果我理解的话，这种类型的用例不能与Splash一起使用？刮痧可以和硒一起用于这些类型的刮伤吗？因为刮痧'