scrapy有三種方法模擬登陸方式:
- 直接攜帶cookies
- 找url地址,發送post請求存儲cookie
- 找到對應的form表單,自動解析input標籤,自動解析post請求的url地址,自動帶上數據,自動發送請求
1、攜帶cookies登陸github
import scrapy
import re
class Login1Spider(scrapy.Spider):
name = 'login1'
allowed_domains = ['github.com']
start_urls = ['https://github.com/NoobPythoner'] # 這是一個需要登陸以後才能訪問的頁面
def start_requests(self): # 重構start_requests方法
# 這個cookies_str是抓包獲取的
cookies_str = '...' # 抓包獲取
# 將cookies_str轉換爲cookies_dict
cookies_dict = {i.split('=')[0]:i.split('=')[1] for i in cookies_str.split('; ')}
yield scrapy.Request(
self.start_urls[0],
callback=self.parse,
cookies=cookies_dict
)
def parse(self, response): # 通過正則表達式匹配用戶名來驗證是否登陸成功
result_list = re.findall(r'noobpythoner|NoobPythoner', response.body.decode())
print(result_list)
pass
注意:
- scrapy中cookie不能夠放在headers中,在構造請求的時候有專門的cookies參數,能夠接受字典形式的coookie
- 在setting中設置ROBOTS協議、USER_AGENT
2、使用scrapy.FormRequest()登錄
通過scrapy.FormRequest能夠發送post請求,同時需要添加fromdata參數作爲請求體,以及callback
yield scrapy.FormRequest(
"https://github.com/session",
formdata={
"authenticity_token":authenticity_token,
"utf8":utf8,
"commit":commit,
"login":"****",
"password":"****"
},
callback=self.parse_login
)
3、使用scrapy.Formrequest.from_response登陸github
import scrapy
import re
class Login3Spider(scrapy.Spider):
name = 'login3'
allowed_domains = ['github.com']
start_urls = ['https://github.com/login']
def parse(self, response):
yield scrapy.FormRequest.from_response(
response, # 傳入response對象,自動解析
# 可以通過xpath來定位form表單,當前頁只有一個form表單時,將會自動定位
formxpath='//*[@id="login"]/form',
formdata={'login': '****', 'password': '***'},
callback=self.parse_login
)
def parse_login(self,response):
ret = re.findall(r"noobpythoner|NoobPythoner", response.text)
print(ret)