Scrapy на Linkedin ползла 0 страниц - PullRequest
Новая
       9

Scrapy на Linkedin ползла 0 страниц

0 голосов
/ 23 октября 2018

Я хочу использовать Scrapy в LinkedIn, но я получил такой вывод: 

2018-10-23 13:36:38 [scrapy.utils.log] INFO: Scrapy 1.5.1 started (bot: scrapybot)
2018-10-23 13:36:38 [scrapy.utils.log] INFO: Versions: lxml 4.2.5.0, libxml2 2.9.5, cssselect 1.0.3, parsel 1.5.0, w3lib 1.19.0, Twisted 18.9.0, Python 3.7.1 (v3.7.1:260ec2c36a, Oct
20 2018, 14:05:16) [MSC v.1915 32 bit (Intel)], pyOpenSSL 18.0.0 (OpenSSL 1.1.0i  14 Aug 2018), cryptography 2.3.1, Platform Windows-10-10.0.17134-SP0
2018-10-23 13:36:38 [scrapy.crawler] INFO: Overridden settings: {'SPIDER_LOADER_WARN_ONLY': True}
2018-10-23 13:36:38 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
 'scrapy.extensions.telnet.TelnetConsole',
 'scrapy.extensions.logstats.LogStats']
2018-10-23 13:36:39 [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']
2018-10-23 13:36:39 [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']
2018-10-23 13:36:39 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2018-10-23 13:36:39 [scrapy.core.engine] INFO: Spider opened
2018-10-23 13:36:39 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2018-10-23 13:36:39 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2018-10-23 13:36:39 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.linkedin.com/uas/login> (referer: None)
2018-10-23 13:36:40 [scrapy.core.engine] DEBUG: Crawled (200) <POST https://www.linkedin.com/uas/login> (referer: https://www.linkedin.com/uas/login)
2018-10-23 13:36:40 [scrapy.core.scraper] DEBUG: Scraped from <200 https://www.linkedin.com/uas/login>
{'user_name': None}
2018-10-23 13:36:40 [scrapy.core.engine] INFO: Closing spider (finished)
2018-10-23 13:36:40 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 1109,
 'downloader/request_count': 2,
 'downloader/request_method_count/GET': 1,
 'downloader/request_method_count/POST': 1,
 'downloader/response_bytes': 41004,
 'downloader/response_count': 2,
 'downloader/response_status_count/200': 2,
 'finish_reason': 'finished',
 'finish_time': datetime.datetime(2018, 10, 23, 11, 36, 40, 798034),
 'item_scraped_count': 1,
 'log_count/DEBUG': 4,
 'log_count/INFO': 7,
 'request_depth_max': 1,
 'response_received_count': 2,
 'scheduler/dequeued': 2,
 'scheduler/dequeued/memory': 2,
 'scheduler/enqueued': 2,
 'scheduler/enqueued/memory': 2,
 'start_time': datetime.datetime(2018, 10, 23, 11, 36, 39, 140792)}
2018-10-23 13:36:40 [scrapy.core.engine] INFO: Spider closed (finished)

Я запускаю проект следующим образом: scrapy runspider linkedin-scrapy.py

session_key - это имя пользователя LinkedIn и session_password - это пароль LinkedIn.

Вот мой код: 

import scrapy


class LoginSpider(scrapy.Spider):
    name = 'linkedinName'
    login_url = 'https://www.linkedin.com/uas/login?'
    start_urls = [login_url]

    def parse(self, response):
        token = response.css('input[name="loginCsrfParam"]::attr(value)').extract_first()
        data = {
            'csrf_token': token,
            'session_key': '***',
            'session_password': '***',
        }

        yield scrapy.FormRequest(url=self.login_url, formdata=data, callback=self.parse_quotes)

    def parse_quotes(self, response):
        yield {
            'user_name': response.css('div.left-rail-container').extract_first()

        }

В результате

INFO: просканировано 0 страниц (при 0 страницах /мин), очищено 0 пунктов (при 0 элементах / мин)

Как исправить этот вывод?

1 Ответ

0 голосов
/ 23 октября 2018

Пользовательское соглашение LinkedIn запрещает очистку :

LinkedIn обязуется защищать данные своих членов и защищать свой веб-сайт от мошенничества и злоупотреблений.В целях защиты данных наших участников и нашего веб-сайта мы не разрешаем использовать какое-либо стороннее программное обеспечение, включая «сканеры», ботов, плагины для браузера или расширения браузера (также называемые «надстройками»),который очищает, изменяет внешний вид или автоматизирует деятельность на веб-сайте LinkedIn.Такие инструменты нарушают Пользовательское соглашение

Вероятно, существуют технические барьеры, мешающие работе вашего скребка.Помимо этого, LinkedIn интенсивно использует JavaScript, потребление которого требует значительной дополнительной работы .

Даже если вы технически можете очистить LinkedIn, вы будете взламыватьПользовательское соглашение.Я настоятельно советую вам не делать этого.

...