為什么要模擬登錄
有些網(wǎng)站是需要登錄之后才能訪問的，即便是同一個網(wǎng)站，在用戶登錄前后頁面所展示的內(nèi)容也可能會大不相同，例如，未登錄時訪問Github首頁將會是以下的注冊頁面：
然而，登錄后訪問Github首頁將包含如下頁面內(nèi)容：
如果我們要爬取的是一些需要登錄之后才能訪問的頁面數(shù)據(jù)就需要模擬登錄了。通常我們都是利用的 Cookies 來實(shí)現(xiàn)模擬登錄，在Scrapy中，模擬登陸網(wǎng)站一般有如下兩種實(shí)現(xiàn)方式：
(1) 請求時攜帶Cookies
(2) 發(fā)送Post請求獲取Cookies
請求時攜帶Cookies
對于一些Cookies過期時間很長的不規(guī)范網(wǎng)站，如果我們能夠在Cookies過期之前爬取到所有我們想要的數(shù)據(jù)，可以考慮在請求時直接將Cookies信息帶上來模擬用戶登錄。
以下是模擬登錄Github的示例代碼：
# -*- coding: utf-8 -*-
import scrapy
import re
class TmallLoginSpider(scrapy.Spider):
name = 'github_login3'
allowed_domains = ['github.com']
start_urls = ['https://github.com/']
def start_requests(self): # 請求時攜帶Cookies
cookies = '_ga=GA1.2.363045452.1554860671; tz=Asia%2FShanghai; _octo=GH1.1.1405577398.1554860677; _device_id=ee3ff12512668a1f9dc6fb33e388ea20; ignored_unsupported_browser_notice=false; has_recent_activity=1; user_session=5oxrsfsZCor1iJFCgRXXyeAXd8hcmzEUGh70-xHWLjQkT62Q; __Host-user_session_same_site=5oxrsfsZCor1iJFCgRXXyeAXd8hcmzEUGh70-xHWLjQkT62Q; logged_in=yes; dotcom_user=pengjunlee; _gat=1'
cookies = {i.split('=')[0]: i.split('=')[1] for i in cookies.split('; ')}
yield scrapy.Request(self.start_urls[0], cookies=cookies)
def parse(self, response): # 驗(yàn)證是否請求成功
print(re.findall('Learn Git and GitHub without any code!',response.body.decode()))
執(zhí)行爬蟲后，后臺部分日志截圖如下：
發(fā)送Post請求模擬登錄
Scrapy還提供了兩種通過發(fā)送Post請求來獲取Cookies的方法。
scrapy.FormRequest()
使用scrapy.FormRequest()發(fā)送Post請求實(shí)現(xiàn)模擬登陸，需要人為找出登錄請求的地址以及構(gòu)造出登錄時所需的請求數(shù)據(jù)。
使用scrapy.FormRequest()模擬登錄Github的示例代碼：
# -*- coding: utf-8 -*-
import scrapy
import re
class GithubLoginSpider(scrapy.Spider):
name = 'github_login'
allowed_domains = ['github.com']
start_urls = ['https://github.com/login']
def parse(self, response): # 發(fā)送Post請求獲取Cookies
authenticity_token = response.xpath('//input[@name="authenticity_token"]/@value').extract_first()
utf8 = response.xpath('//input[@name="utf8"]/@value').extract_first()
commit = response.xpath('//input[@name="commit"]/@value').extract_first()
form_data = {
'login': 'pengjunlee@163.com',
'password': '123456',
'webauthn-support': 'supported',
'authenticity_token': authenticity_token,
'utf8': utf8,
'commit': commit}
yield scrapy.FormRequest("https://github.com/session", formdata=form_data, callback=self.after_login)
def after_login(self, response): # 驗(yàn)證是否請求成功
print(re.findall('Learn Git and GitHub without any code!', response.body.decode()))
從后臺日志不難看出，Scrapy 在請求完 https://github.com/session 后,自動幫我們重定向到了Github首頁。
scrapy.FormRequest.from_response()
scrapy.FormRequest.from_response()使用起來比 scrapy.FormRequest()更加簡單方便，我們通常只需要提供用戶相關(guān)信息（賬戶和密碼）即可，scrapy.FormRequest.from_response()將通過模擬點(diǎn)擊為我們填充好其他的表單字段并提交表單。
使用scrapy.FormRequest.from_response()模擬登錄Github的示例代碼：
# -*- coding: utf-8 -*-
import scrapy
import re
class GithubLogin2Spider(scrapy.Spider):
name = 'github_login2'
allowed_domains = ['github.com']
start_urls = ['https://github.com/login']
def parse(self, response): # 發(fā)送Post請求獲取Cookies
form_data = {
'login': 'pengjunlee@163.com',
'password': '123456'
}
yield scrapy.FormRequest.from_response(response,formdata=form_data,callback=self.after_login)
def after_login(self,response): # 驗(yàn)證是否請求成功
print(re.findall('Learn Git and GitHub without any code!',response.body.decode()))
scrapy.FormRequest.from_response()方法還可以傳入其他參數(shù)來幫我們更加精確的指定表單元素：
'''
response (Response object) – 包含表單HTML的響應(yīng)，將用來對表單的字段進(jìn)行預(yù)填充
formname (string) – 如果設(shè)置了該值，name 等于該值的表單將被使用
formid (string) – 如果設(shè)置了該值，id 等于該值的表單將被使用
formxpath (string) – 如果設(shè)置了該值，匹配該 xpath 的第一個表單將被使用
formcss (string) – 如果設(shè)置了該值，匹配該 css選擇器的第一個表單將被使用
formnumber (integer) – 索引值等于該值的表單將被使用，默認(rèn)第一個（索引值為 0 ）
formdata (dict) – 傳入的表單數(shù)據(jù)，將覆蓋form 元素中已經(jīng)存在的值
clickdata (dict) – 用于查找可點(diǎn)擊控件的屬性值
dont_click (boolean) – 如果設(shè)置為 True，將不點(diǎn)擊任何元素，直接提交表單數(shù)據(jù)
'''
參考文章
https://doc.scrapy.org/en/latest/topics/request-response.html
到此這篇關(guān)于Scrapy實(shí)現(xiàn)模擬登錄的示例代碼的文章就介紹到這了,更多相關(guān)Scrapy 模擬登錄內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python基于scrapy爬取京東筆記本電腦數(shù)據(jù)并進(jìn)行簡單處理和分析
- Scrapy元素選擇器Xpath用法匯總
- Django結(jié)合使用Scrapy爬取數(shù)據(jù)入庫的方法示例
- python實(shí)現(xiàn)Scrapy爬取網(wǎng)易新聞
- python爬蟲scrapy框架之增量式爬蟲的示例代碼
- 一文讀懂python Scrapy爬蟲框架
- Python爬蟲之教你利用Scrapy爬取圖片
