Scrapy从入门到放弃2--模拟登入

水深无声 2023-01-01 01:49 154阅读 0赞

## scrapy模拟登陆 ##

![在这里插入图片描述][resize_m_lfit_w_962_pic_center_pic_center]

##### 学习目标： #####

1.  应用 请求对象cookies参数的使用
2.  了解 start\_requests函数的作用
3.  应用 构造并发送post请求

--------------------

### 1. 回顾之前的模拟登陆的方法 ###

#### 1.1 requests模块是如何实现模拟登陆的？ ####

1.  直接携带cookies请求页面
2.  找url地址，发送post请求存储cookie

#### 1.2 selenium是如何模拟登陆的？ ####

1.  找到对应的input标签，输入文本点击登陆

#### 1.3 scrapy的模拟登陆 ####

1.  直接携带cookies
2.  找url地址，发送post请求存储cookie

### 2. scrapy携带cookies直接获取需要登陆后的页面 ###

##### 应用场景 #####

1.  cookie过期时间很长，常见于一些不规范的网站
2.  能在cookie过期之前把所有的数据拿到
3.  配合其他程序使用，比如其使用selenium把登陆之后的cookie获取到保存到本地，scrapy发送请求之前先读取本地cookie

#### 2.1 实现：重构scrapy的starte\_rquests方法 ####

scrapy中start\_url是通过start\_requests来进行处理的，其实现代码如下

# 这是源代码
    def start_requests(self):
        cls = self.__class__
        if method_is_overridden(cls, Spider, 'make_requests_from_url'):
            warnings.warn(
                "Spider.make_requests_from_url method is deprecated; it "
                "won't be called in future Scrapy releases. Please "
                "override Spider.start_requests method instead (see %s.%s)." % (
                    cls.__module__, cls.__name__
                ),
            )
            for url in self.start_urls:
                yield self.make_requests_from_url(url)
        else:
            for url in self.start_urls:
                yield Request(url, dont_filter=True)

**所以对应的，如果start\_url地址中的url是需要登录后才能访问的url地址，则需要重写start\_request方法并在其中手动添加上cookie**

#### 2.2 携带cookies登陆github ####

> 测试账号 noobpythoner zhoudawei123

import scrapy
    import re
    
    class Login1Spider(scrapy.Spider):
        name = 'login1'
        allowed_domains = ['github.com']
        start_urls = ['https://github.com/NoobPythoner'] # 这是一个需要登陆以后才能访问的页面
    
        def start_requests(self): # 重构start_requests方法
            # 这个cookies_str是抓包获取的
            cookies_str = '...' # 抓包获取
            # 将cookies_str转换为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): # 通过正则表达式匹配用户名来验证是否登陆成功
            # 正则匹配的是github的用户名
            result_list = re.findall(r'noobpythoner|NoobPythoner', response.body.decode()) 
            print(result_list)
            pass

##### 注意： #####

1.  scrapy中cookie不能够放在headers中，在构造请求的时候有专门的cookies参数，能够接受字典形式的coookie
2.  在setting中设置ROBOTS协议、USER\_AGENT

### 3. scrapy.Request发送post请求 ###

> 我们知道可以通过scrapy.Request()指定method、body参数来发送post请求；但是通常使用scrapy.FormRequest()来发送post请求

#### 3.1 发送post请求 ####

> 注意：scrapy.FormRequest()能够发送表单和ajax请求，参考阅读 https://www.jb51.net/article/146769.htm

##### 3.1.1 思路分析 #####

1.  找到post的url地址：点击登录按钮进行抓包，然后定位url地址为https://github.com/session
2.  找到请求体的规律：分析post请求的请求体，其中包含的参数均在前一次的响应中
3.  否登录成功：通过请求个人主页，观察是否包含用户名

##### 3.1.2 代码实现如下： #####

import scrapy
    import re
    
    class Login2Spider(scrapy.Spider):
       name = 'login2'
       allowed_domains = ['github.com']
       start_urls = ['https://github.com/login']
    
       def parse(self, response):
           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()
            
            #构造POST请求，传递给引擎
           yield scrapy.FormRequest(
               "https://github.com/session",
               formdata={
                   "authenticity_token":authenticity_token,
                   "utf8":utf8,
                   "commit":commit,
                   "login":"noobpythoner",
                   "password":"***"
               },
               callback=self.parse_login
           )
    
       def parse_login(self,response):
           ret = re.findall(r"noobpythoner|NoobPythoner",response.text)
           print(ret)

##### 小技巧 #####

> 在settings.py中通过设置COOKIES\_DEBUG=TRUE 能够在终端看到cookie的传递传递过程

--------------------

## 小结 ##

1.  start\_urls中的url地址是交给start\_request处理的，如有必要，可以重写start\_request函数
2.  直接携带cookie登陆：cookie只能传递给cookies参数接收
3.  scrapy.Request()发送post请求

--------------------

> 到这里就结束了，如果对你有帮助你，欢迎点赞关注，你的点赞对我很重要

[resize_m_lfit_w_962_pic_center_pic_center]: /images/20221120/942a156e3eba41909331326c65d4d02d.png