我尝试使用 scrapy 抓取一些页面,以使我的找房研究不那么乏味。我似乎遇到了需要发布请求的表单问题(我在评估员的数据库网站或租金计上没有成功,蜘蛛如下所示)。
class RentSpider(BaseSpider):
name = 'rentometer'
def start_requests(self):
request = FormRequest('http://www.rentometer.com',
formdata={'address': '179 Commonwealth Ave, Apt 1, Boston, MA', 'beds': '1'},
callback=self.after_response)
return [request]
def after_response(self, response):
with open('response_html', 'w')as f:
f.write(response.body)
我没有收到任何错误,但响应 html 似乎返回到主页,就好像没有输入任何数据一样。我确实看到蜘蛛前往 http://www.rentometer.com/results,这是表单的提交页面,但从那里我被重定向回主页。
我试图查看 cookie 以查看是否遗漏了什么,但我发现唯一感兴趣的是 session ID,我应该会自动获取它。我也偶然发现了这个问题:How to crawl a post dependent website using scrapy ,它没有解决方案,但我想知道我是否面临与该海报相同的问题,是否有任何解决方法或能够使用另一个库绕过此问题?
请您参考如下方法:
不是一个容易抓取的网站。
我用 firebug 试了一下,这是我在“网络”选项卡中看到的请求:
要求:
https://www.rentometer.com/results?
参数:
address=179%20Commonwealth%20Ave%2C%20Apt%201%2C%20Boston%2C%20MA&
authenticity_token=%2BhrOEjFfwpI6f08lgiXB5%2B%2F9bWy0y20nVnQWn%2BKGgb0%3D&
beds=1&
latitude=42.351567&
longitude=-71.07978300000002&
price=&utf8=%E2%9C%94
我又看了看页面上的表单,意识到 authenticity_token 是从页面上的另一个地方拿来的,并尝试:
from scrapy.spider import BaseSpider
from scrapy.http import FormRequest
class RentSpider(BaseSpider):
name = 'rentometer'
start_urls = [
'http://www.rentometer.com'
]
def parse(self, response):
request = FormRequest.from_response(response=response,
formxpath='//form',
formdata={'address': '179 Commonwealth Ave, Apt 1, Boston, MA',
'beds': '1',},
callback=self.after_response)
return [request]
def after_response(self, response):
with open('response_html', 'w')as f:
f.write(response.body)
这也不起作用,所以我猜这是因为缺少纬度和经度。
在 firebug 的 javacript 页面中搜索它们,我发现了以下代码部分:
$("#search_form").submit(function(t){var i,n;return e?void 0:
(t.preventDefault(),i=$("#address_field").val(),n=new google.maps.Geocoder,
n.geocode({address:i},function(t,i){var n;
return i===google.maps.GeocoderStatus.OK?(n
=t[0].geometry.location,$("#latitude").val(n.lat()),$("#longitude").val(n.lng())
我手动添加了纬度和经度值:
formdata={'address': '179 Commonwealth Ave, Apt 1, Boston, MA',
'beds': '1',
'latitude': '42.351567',
'longitude': '-71.07978300000002'},
取得了不错的成绩。
如果您想正确生成它们,请查看 How can we execute javascript in scrapy?或者实现与 python 方法相同的逻辑作为蜘蛛的一部分
