Я пытаюсь очистить свои личные (командировочные) данные с веб-сайта, который требует от меня входа в личный кабинет. Я использую паука ниже. Он основан на учебнике и отлично работал в тестах на других сайтах.
Кажется, работает нормально. Однако он не открывает страницу входа после строки open_in_browser(response) (которую я использую в качестве теста). Вместо этого он пытается открыть в моем браузере:
C: / Users / [пользователь] / AppData / Local / Temp / [имя файла] .html
Странно, когда я ввожу неправильный пароль, он действует так, как вы ожидаете (открывает страницу входа в систему и показывает «неправильный пароль». Кроме того, я могу с помощью Scrapy собирать данные из общедоступных частей сайта без проблемы.
Я новичок в scrapy и читаю много постов по вопросам входа в систему, но не могу понять, что происходит. Любые указатели на то, что вызывает это, были бы очень благодарны.
паук:
# -*- coding: utf-8 -*-
from scrapy import Spider
from scrapy.http import FormRequest
from scrapy.utils.response import open_in_browser
class QuotesSpider(Spider):
name = 'quotes'
start_urls = ('http://login.ns.nl/login',)
def parse(self, response):
token = response.xpath('//*[@name="csrfToken"]/@value').extract_first()
return FormRequest.from_response(response,
formdata={'csrfToken': token,
'password': '[password]',
'email': '[email]'},
meta={'dont_redirect': True, 'handle_httpstatus_list': [302]},
callback=self.scrape_pages)
def scrape_pages(self, response):
open_in_browser(response)
# Complete your code here to scrape the pages that you are redirected to after logging in
# ....
# ....
и вывод командного окна:
2019-03-21 10:43:50 [scrapy.utils.log] INFO: Scrapy 1.5.2 started (bot: scrapy_login)
2019-03-21 10:43:50 [scrapy.utils.log] INFO: Versions: lxml 4.2.5.0, libxml2 2.9.8, cssselect 1.0.3, parsel 1.5.1, w3lib 1.20.0, Twisted 18.9.0, Python 3.7.1 (default, Dec 10 2018, 22:54:23) [MSC v.1915 64 bit (AMD64)], pyOpenSSL 18.0.0 (OpenSSL 1.1.1a 20 Nov 2018), cryptography 2.4.2, Platform Windows-10-10.0.17763-SP0
2019-03-21 10:43:50 [scrapy.crawler] INFO: Overridden settings: {'BOT_NAME': 'scrapy_login', 'NEWSPIDER_MODULE': 'scrapy_login.spiders', 'ROBOTSTXT_OBEY': True, 'SPIDER_MODULES': ['scrapy_login.spiders']}
2019-03-21 10:43:51 [scrapy.extensions.telnet] INFO: Telnet Password: be649c379dcca999
2019-03-21 10:43:51 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.logstats.LogStats']
2019-03-21 10:43:52 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.robotstxt.RobotsTxtMiddleware',
'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']
2019-03-21 10:43:52 [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']
2019-03-21 10:43:52 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2019-03-21 10:43:52 [scrapy.core.engine] INFO: Spider opened
2019-03-21 10:43:52 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2019-03-21 10:43:52 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2019-03-21 10:43:52 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (307) to <GET https://login.ns.nl> from <GET http://login.ns.nl/robots.txt>
2019-03-21 10:43:52 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://login.ns.nl> (referer: None)
2019-03-21 10:43:52 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (307) to <GET https://login.ns.nl> from <GET http://login.ns.nl/login>
2019-03-21 10:43:52 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://login.ns.nl> (referer: None)
2019-03-21 10:43:53 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (302) to <GET https://login.ns.nl/sessions/new> from <POST https://login.ns.nl/login>
2019-03-21 10:43:53 [scrapy.downloadermiddlewares.redirect] DEBUG: Redirecting (302) to <GET https://www.ns.nl/mijnns> from <GET https://login.ns.nl/sessions/new>
2019-03-21 10:43:54 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.ns.nl/robots.txt> (referer: None)
2019-03-21 10:43:54 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.ns.nl/mijnns> (referer: https://login.ns.nl)
2019-03-21 10:43:54 [scrapy.core.engine] INFO: Closing spider (finished)
2019-03-21 10:43:54 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 2189,
'downloader/request_count': 8,
'downloader/request_method_count/GET': 7,
'downloader/request_method_count/POST': 1,
'downloader/response_bytes': 35958,
'downloader/response_count': 8,
'downloader/response_status_count/200': 4,
'downloader/response_status_count/302': 2,
'downloader/response_status_count/307': 2,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2019, 3, 21, 9, 43, 54, 867531),
'log_count/DEBUG': 9,
'log_count/INFO': 8,
'request_depth_max': 1,
'response_received_count': 4,
'scheduler/dequeued': 5,
'scheduler/dequeued/memory': 5,
'scheduler/enqueued': 5,
'scheduler/enqueued/memory': 5,
'start_time': datetime.datetime(2019, 3, 21, 9, 43, 52, 233556)}
2019-03-21 10:43:54 [scrapy.core.engine] INFO: Spider closed (finished)