我想废弃这个网站:Meetic.fr,法语版本meetic.com网站. 在
我们的目标是知道经过认证后,有多少人被连接(显示在页面顶部)。在
这是蜘蛛:([kobeddl,stack123456]是真正的登录,如果你想尝试一些东西)
from scrapy.spider import BaseSpider
from scrapy.selector import HtmlXPathSelector
from scrapy.http import FormRequest, Request
from meetic.items import MeeticItem
class MeeticSpider(BaseSpider):
name = "meetic"
allowed_domains = ["meetic.fr"]
start_urls = ["http://www.meetic.fr/"]
def parse(self, response):
print 'TEST1'
return [FormRequest.from_response(response, formdata={'log': 'kobeddl', 'pwd': 'stack123456'}, callback=self.after_login)]
def after_login(self, response):
# check login succeed before going on
if "authentication failed" in response.body:
self.log("Login failed", level=log.ERROR)
print 'TEST2'
return
# We've successfully authenticated, let's have some fun!
else:
print 'TEST3'
return Request(url="http://www.meetic.fr/scheduler.php?url=", callback=self.parse_tastypage)
def parse_tastypage(self, response):
hxs = HtmlXPathSelector(response)
item = MeeticItem()
item['nb'] = hxs.select('/html/body/div/div/div/div/div/div/ul/li[2]/a/div/span').extract()
print 'TEST4'
return item
以下是命令提示符下的结果:编辑:如您所见,只有第一个print语句TEST1
正在工作。
我刚接触python和scrapy,所以原因可能很愚蠢。在
我想我的蜘蛛有个错误,这里:if "authentication failed" in response.body:
我在另一只蜘蛛身上发现了这一点,但我不知道如何调整它来适应这只蜘蛛。在
我还更改了设置文件中的用户代理
USER_AGENT = 'Mozilla/5.0 (X11; Linux x86_64; rv:7.0.1) Gecko/20100101 Firefox/7.7'
提前谢谢
您可能应该更新问题,以反映第二个问题,即为什么您的代码无法正常工作,但是通过检查网站的源HTML,我认为您可能在表单响应中错误地标记了用户名和密码输入:
尝试按如下方式修改
^{pr2}$parse
:如果不是,则可能是“txtHandle”和“txtPassword”。在
如果仔细查看输出,您将看到一行内容为“Filtered offsite request to…”。因为形式的作用是secure.meetic.com网站. 您需要将该域添加到spider的
allowed_domains
属性中,这样就不会对其进行筛选。在如果您查看http://www.meetic.fr页面的源代码,您会发现登录表单发布到
secure.meetic.com
:所以没有什么奇怪的,你
POST
登录数据到secure.meetic.com
,登录后你会被重定向回正常的网站。在相关问题 更多 >
编程相关推荐