python scrapy FormRequest.FormResponse不提供任何输出_Python_Web Scraping_Scrapy_Web Crawler

python scrapy FormRequest.FormResponse不提供任何输出

python web-scraping scrapy web-crawler

python scrapy FormRequest.FormResponse不提供任何输出,python,web-scraping,scrapy,web-crawler,Python,Web Scraping,Scrapy,Web Crawler,非常新的编码，尤其是新的刮我有一个简单的刮刀写着“刮”。我写这篇文章的目的是希望生成一个选项列表（来自“x”元素）。但它没有提供任何东西。我尝试过，但在解决我面临的问题上并没有取得任何进展我正在粘贴完整的代码，然后是完整的输出。（注意：在setting.py中，我已将robottext=True改为robottext为False）以及在运行命令后的out put in终端scrapy crawl spider_name： 2020-07-12 21:32:21 [scrapy.utils

非常新的编码，尤其是新的刮

我有一个简单的刮刀写着“刮”。我写这篇文章的目的是希望生成一个选项列表（来自“x”元素）。但它没有提供任何东西。我尝试过，但在解决我面临的问题上并没有取得任何进展

我正在粘贴完整的代码，然后是完整的输出。（注意：在setting.py中，我已将robottext=True改为robottext为False）

以及在运行命令后的out put in终端

scrapy crawl spider_name

：

2020-07-12 21:32:21 [scrapy.utils.log] INFO: Scrapy 2.2.0 started (bot: maha_police)
2020-07-12 21:32:21 [scrapy.utils.log] INFO: Versions: lxml 4.5.0.0, libxml2 2.9.10, cssselect 1.1.0, parsel 1.6.0, w3lib 1.22.0, Twisted 20.3.0, Python 3.8.2 (default, Apr 27 2020, 15:53:34) - [GCC 9.3.0], pyOpenSSL 19.1.0 (OpenSSL 1.1.1f  31 Mar 2020), cryptography 2.8, Platform Linux-5.4.0-40-generic-x86_64-with-glibc2.29
2020-07-12 21:32:21 [scrapy.utils.log] DEBUG: Using reactor: twisted.internet.epollreactor.EPollReactor
2020-07-12 21:32:21 [scrapy.crawler] INFO: Overridden settings:
{'BOT_NAME': 'maha_police',
 'NEWSPIDER_MODULE': 'maha_police.spiders',
 'SPIDER_MODULES': ['maha_police.spiders']}
2020-07-12 21:32:21 [scrapy.extensions.telnet] INFO: Telnet Password: 02d86496f7d27542
2020-07-12 21:32:21 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
 'scrapy.extensions.telnet.TelnetConsole',
 'scrapy.extensions.memusage.MemoryUsage',
 'scrapy.extensions.logstats.LogStats']
2020-07-12 21:32:22 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
 'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
 'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
 'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
 'scrapy.downloadermiddlewares.retry.RetryMiddleware',
 'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
 'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
 'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
 'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
 'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware',
 'scrapy.downloadermiddlewares.stats.DownloaderStats']
2020-07-12 21:32:22 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
 'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
 'scrapy.spidermiddlewares.referer.RefererMiddleware',
 'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
 'scrapy.spidermiddlewares.depth.DepthMiddleware']
2020-07-12 21:32:22 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2020-07-12 21:32:22 [scrapy.core.engine] INFO: Spider opened
2020-07-12 21:32:22 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2020-07-12 21:32:22 [scrapy.extensions.telnet] INFO: Telnet console listening on 127.0.0.1:6023
2020-07-12 21:32:25 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (302) to <GET https://citizen.mahapolice.gov.in/Citizen/MH/index.aspx> from <GET http://citizen.mahapolice.gov.in/Citizen/MH/PublishedFIRs.aspx/>
2020-07-12 21:32:25 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://citizen.mahapolice.gov.in/Citizen/MH/index.aspx> (referer: None)
2020-07-12 21:32:26 [scrapy.spidermiddlewares.offsite] DEBUG: Filtered offsite request to 'citizen.mahapolice.gov.in': <POST https://citizen.mahapolice.gov.in/Citizen/MH/index.aspx>
2020-07-12 21:32:26 [scrapy.core.engine] INFO: Closing spider (finished)
2020-07-12 21:32:26 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 501,
 'downloader/request_count': 2,
 'downloader/request_method_count/GET': 2,
 'downloader/response_bytes': 8149,
 'downloader/response_count': 2,
 'downloader/response_status_count/200': 1,
 'downloader/response_status_count/302': 1,
 'elapsed_time_seconds': 3.542722,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2020, 7, 12, 16, 2, 26, 43681),
 'log_count/DEBUG': 3,
 'log_count/INFO': 10,
 'memusage/max': 54427648,
 'memusage/startup': 54427648,
 'offsite/domains': 1,
 'offsite/filtered': 1,
 'request_depth_max': 1,
 'response_received_count': 1,
 'scheduler/dequeued': 2,
 'scheduler/dequeued/memory': 2,
 'scheduler/enqueued': 2,
 'scheduler/enqueued/memory': 2,
 'start_time': datetime.datetime(2020, 7, 12, 16, 2, 22, 500959)}

2020-07-12 21:32:21[scrapy.utils.log]信息：scrapy 2.2.0已启动（机器人：maha_警察）
2020-07-12 21:32:21[scrapy.utils.log]信息：版本：lxml 4.5.0.0，libxml2.9.10，csselect 1.1.0，parsel 1.6.0，w3lib 1.22.0，Twisted 20.3.0，Python 3.8.2（默认，2020年4月27日，15:53:34）-[GCC 9.3.0]，pyOpenSSL 19.1.0（OpenSSL 1.1.1f 2020年3月31日），密码学2.8，平台Linux-5.4.0-40-generic-664-with-bcx82.29
2020-07-12 21:32:21[scrapy.utils.log]调试：使用reactor:twisted.internet.epollreactor.epollreactor
2020-07-12 21:32:21[scrapy.crawler]信息：覆盖设置：
{'BOT_NAME'：'maha_police'，
“NEWSPIDER_模块”：“maha_警察蜘蛛”，
“蜘蛛模块”：['maha_police.SPIDER']}
2020-07-12 21:32:21[scrapy.extensions.telnet]信息：telnet密码：02d86496f7d27542
2020-07-12 21:32:21[scrapy.middleware]信息：启用的扩展：
['scrapy.extensions.corestats.corestats'，
'scrapy.extensions.telnet.TelnetConsole'，
'scrapy.extensions.memusage.MemoryUsage'，
'scrapy.extensions.logstats.logstats']
2020-07-12 21:32:22[scrapy.middleware]信息：启用的下载程序中间件：
['scrapy.downloaderMiddleware.httpauth.HttpAuthMiddleware'，
'scrapy.downloadermiddleware.downloadtimeout.DownloadTimeoutMiddleware'，
'scrapy.downloaderMiddleware.defaultheaders.DefaultHeadersMiddleware'，
'scrapy.DownloaderMiddleware.useragent.UserAgentMiddleware'，
'scrapy.DownloaderMiddleware.retry.RetryMiddleware'，
'scrapy.DownloaderMiddleware.redirect.MetaRefreshMiddleware'，
'scrapy.DownloaderMiddleware.httpcompression.HttpCompressionMiddleware'，
'scrapy.DownloaderMiddleware.redirect.RedirectMiddleware'，
“scrapy.DownloaderMiddleware.cookies.CookiesMiddleware”，
'scrapy.downloadermiddleware.httpproxy.HttpProxyMiddleware'，
'scrapy.downloadermiddleware.stats.DownloaderStats']
2020-07-12 21:32:22[scrapy.middleware]信息：启用的蜘蛛中间件：
['scrapy.spidermiddleware.httperror.httperror中间件'，
'刮皮.SpiderMiddleware.场外.场外Iddleware'，
“scrapy.Spidermiddleware.referer.RefererMiddleware”，
'scrapy.spiderMiddleware.urllength.UrlLengthMiddleware'，
'scrapy.spidermiddleware.depth.DepthMiddleware']
2020-07-12 21:32:22[scrapy.middleware]信息：启用的项目管道：
[]
2020-07-12 21:32:22[刮屑.堆芯.发动机]信息：蜘蛛网已打开
2020-07-12 21:32:22[scrapy.extensions.logstats]信息：抓取0页（以0页/分钟的速度），抓取0项（以0项/分钟的速度）
2020-07-12 21:32:22[scrapy.extensions.telnet]信息：telnet控制台监听127.0.0.1:6023
2020-07-12 21:32:25[scrapy.downloadermiddleware.redirect]调试：重定向（302）到
2020-07-12 21:32:25[scrapy.core.engine]调试：爬网（200）（参考：无）
2020-07-12 21:32:26[scrapy.spidermiddleware.offsite]调试：过滤到“citizen.mahapolice.gov.in”的异地请求：
2020-07-12 21:32:26[刮屑芯发动机]信息：关闭卡盘（完成）
2020-07-12 21:32:26[斯拉比统计局]信息：倾销斯拉比统计局：
{'downloader/request_bytes'：501，
“下载程序/请求计数”：2，
“下载器/请求\方法\计数/获取”：2，
“downloader/response_字节”：8149，
“下载程序/响应计数”：2，
“下载程序/响应状态\计数/200”：1，
“下载程序/响应状态\计数/302”：1，
“已用时间秒”：3.542722，
“完成原因”：“完成”，
“完成时间”：datetime.datetime（2020,7,12,16,2,26,43681），
“日志计数/调试”：3，
“日志计数/信息”：10，
“memusage/max”：54427648，
“memusage/startup”：54427648，
“异地/域”：1，
“非现场/已筛选”：1，
“请求深度最大值”：1，
“响应\u已接收\u计数”：1，
“调度程序/出列”：2，
“调度程序/出列/内存”：2，
“调度程序/排队”：2，
“调度程序/排队/内存”：2，
“开始时间”：datetime.datetime（2020,7,12,16,2,22500959）}

我想得到警察局的名单。所以我试着从相关元素中提取文本。我哪里做错了？还有，如果我想点击搜索，我应该如何继续？感谢您的帮助。

您可以在这一行中看到：

2020-07-12 21:32:26 [scrapy.spidermiddlewares.offsite] DEBUG: Filtered offsite request to 'citizen.mahapolice.gov.in': <POST https://citizen.mahapolice.gov.in/Citizen/MH/index.aspx>

致：

这一变化本身就已经对我起作用了，所以这是一个更好的解决方案
如果选中，您将看到此字段应该包含允许此爬行器爬行的域
spider的情况是，
OffsiteMiddleware
编译一个正则表达式，其中包含
允许的域
字段中的域，在处理请求时，它会检查方法
是否应该遵循
（），以了解是否应该执行请求。正则表达式将返回
None
，并将导致对其进行过滤
您也可以在生成请求时使用
dont\u过滤器
，这也会起作用，但是上面的解决方案更好。它看起来是这样的：

yield FormRequest.from_response( response, formid='form1', formdata={ 'ctl00$ContentPlaceHolder1$txtDateOfRegistrationFrom': "01/07/2020", 'ContentPlaceHolder1_txtDateOfRegistrationTo': "03/07/2020", 'ctl00$ContentPlaceHolder1$ddlDistrict': "19372"}, callback=self.after_login, dont_filter=True, # <<< Here )

yield FormRequest.from_响应( 答复,， formid='form1'， formdata={ “ctl00$ContentPlaceholder 1$txtDateOfRegistrationFrom'：“01/07/2020”， “内容占位符1\u txtdateofregistration'：“2020年7月3日”， 'ctl00$ContentPlaceHolder1$DDLDRICTOR'：“19372”}， callback=self.u登录后， Don_filter=True，#谢谢。但我不明白这一点-您要求我更改允许的域。但是您建议的域已经存在。我是否遗漏了什么？我建议您只使用允许的域 allowed_domains = ['citizen.mahapolice.gov.in/Citizen/MH/PublishedFIRs.aspx'] allowed_domains = ['citizen.mahapolice.gov.in'] yield FormRequest.from_response( response, formid='form1', formdata={ 'ctl00$ContentPlaceHolder1$txtDateOfRegistrationFrom': "01/07/2020", 'ContentPlaceHolder1_txtDateOfRegistrationTo': "03/07/2020", 'ctl00$ContentPlaceHolder1$ddlDistrict': "19372"}, callback=self.after_login, dont_filter=True, # <<< Here )