Python 如何在使用scrapy_splash软件包发布表单后重定向?
我正在使用Python、Scrapy、Splash和Scrapy_Splash包来废弃一个网站 我可以使用scrapy_splash中的SplashRequest对象登录。 登录创建一个cookie,允许我访问门户页面。到这一点,一切都是可行的 在门户页面上,有一个表单元素包装了许多按钮。单击后,将更新操作URL并触发表单提交。表单提交会导致302重定向 我对SplashRequest尝试了相同的方法,但是,我无法捕获重定向返回的SSO查询参数。我试图读取header Location参数,但没有成功 我还尝试将lua脚本与SplashRequest对象结合使用,但是,我仍然无法访问重定向位置对象 任何指导都将不胜感激 我意识到还有其他解决方案(即selenium)可用,但上述技术是我们在大量其他脚本中使用的技术,我不太愿意为这个特定用例添加新技术Python 如何在使用scrapy_splash软件包发布表单后重定向?,python,lua,scrapy,splash-screen,scrapy-splash,Python,Lua,Scrapy,Splash Screen,Scrapy Splash,我正在使用Python、Scrapy、Splash和Scrapy_Splash包来废弃一个网站 我可以使用scrapy_splash中的SplashRequest对象登录。 登录创建一个cookie,允许我访问门户页面。到这一点,一切都是可行的 在门户页面上,有一个表单元素包装了许多按钮。单击后,将更新操作URL并触发表单提交。表单提交会导致302重定向 我对SplashRequest尝试了相同的方法,但是,我无法捕获重定向返回的SSO查询参数。我试图读取header Location参数,但没
# Lua script to capture cookies and SSO query parameter from 302 Redirect
lua_script = """
function main(splash)
if splash.args.cookies then
splash:init_cookies(splash.args.cookies)
end
assert(splash:go{
splash.args.url,
headers=splash.args.headers,
http_method=splash.args.http_method,
body=splash.args.body,
formdata=splash.args.formdata
})
assert(splash:wait(0))
local entries = splash:history()
local last_response = entries[#entries].response
return {
url = splash:url(),
headers = last_response.headers,
http_status = last_response.status,
cookies = splash:get_cookies(),
html = splash:html(),
}
end
"""
def parse(self, response):
yield SplashRequest(
url='https://members.example.com/login',
callback=self.portal_page,
method='POST',
endpoint='execute',
args={
'wait': 0.5,
'lua_source': self.lua_script,
'formdata': {
'username': self.login,
'password': self.password
},
}
)
def portal_page(self, response):
yield SplashRequest(
url='https://data.example.com/portal'
callback=self.data_download,
args={
'wait': 0.5,
'lua_source': self.lua_script,
'formdata': {}
},
)
def data_download(self, response):
print(response.body.decode('utf8')
我用一个工作示例更新了上面的问题 我改变了一些事情,但是我遇到的问题与缺少
splash:init_cookies(splash.args.cookies)
reference直接相关
我还将使用SplashFormRequest
转换为SplashRequest
,重构了splash:go
块,并删除了对特定表单的引用
再次感谢@MikhailKorobov对您的帮助。嘿,登录后您将获得cookies;scrapy splash应将其传递给scrapy(如果配置正确,即设置了所有必要的选项)。但是您的Lua脚本不会初始化cookies,因此在您的示例中,每个Splash请求都没有经过身份验证。你能先做些饼干吗?请看最后一个例子,非常感谢您的回复Mikhail。我的理解是,调用SplashFormRequest.from_响应方法并传入响应对象将初始化cookie和标头。我是否应该改为使用SplashRequest对象并在lua脚本中手动设置标头和Cookie?问题出在lua代码中:Cookie和标头被传递到lua脚本(SplashRequest/SplashFormRequest负责),但这些值不在该脚本中使用-例如,没有splash:init_cookes调用。检查我链接的示例-它有所有必要的部分来启用所有这些东西。谢谢@MikhailKorobovI,我现在可以获取和设置cookies了。还能够跟踪302重定向中的重定向和SSO查询参数。我在随后的帖子中仍然遇到一些问题,其中我遇到了无效会话的问题,但我相信这个具体问题已经解决。出于某种原因,我在你的脚本第5行遇到了一个
LUA\u错误
。。。但我认为这是正确的。你能再检查一下吗?我使用的是Scrapy==1.4.0
和Scrapy splash==0.7.2
@GianfrancoP。谢谢你的留言。我为splash.args.cookies分配更新了一个空检查代码来解决这个问题。您好,谢谢您的回复。问题似乎出在go:{…}
函数周围的assert()
上。由于某种原因,当您使用完整形式的函数时,断言不起作用。如果第一个参数为false或nil,Lua中的断言将抛出错误,否则它将自动失败。如果仅删除splash:init_cookies(splash.args.cookies)
您是否收到任何错误?是的,那么您的问题可能在于splash实例。我有时遇到错误时需要重新启动docker实例。