Question

我正在尝试使用请求模块抓取一个网站。

使用chrome和inspect元素，我转到url，填写表单并单击继续按钮。 Chrome的检查元素（网络文档）显示了随帖子发送的chrome。它还显示多个cookie。该站点重定向到一个URL，其中包括会话ID。

为了模拟这个，我尝试使用请求。我从inspect元素中获取表单数据并将其重新格式化为字典。我使用requests.session包含cookie。

    import requests

form_data = 'currentCalForm=dep&currentCodeForm=&tripType=oneWay&searchCategory=award&originAirport=JFK&flightParams.flightDateParams.travelMonth=5&flightParams.flightDateParams.travelDay=14&flightParams.flightDateParams.searchTime=040001&destinationAirport=LHR&returnDate.travelMonth=-1000&returnDate.travelDay=-1000&adultPassengerCount=2&adultPassengerCount=1&serviceclass=coach&searchTypeMode=matrix&awardDatesFlexible=true&originAlternateAirportDistance=0&destinationAlternateAirportDistance=0&discountCode=&flightSearch=award&dateChanged=false&fromSearchPage=true&advancedSearchOpened=false&numberOfFlightsToDisplay=10&searchCategory=&aairpassSearchType=false&moreOptionsIndicator=oneWay&seniorPassengerCount=0&youngAdultPassengerCount=0&childPassengerCount=0&infantPassengerCount=0&passengerCount=2'.split('&')

payload = {}
for item in form_data:
    key, value = item.split('=')
    if value:
        payload[key] = value

with requests.session() as s:    
    r = s.post('https://www.aa.com/homePage.do', params = payload, allow_redirects=True)
    print r.headers
    print r.history
    print r.url
    print r.status_code
    with open('x.htm', 'wb') as f:
        f.write(r.text.encode('utf8'))

但是，

请求似乎没有遵循重定向。历史记录为空，网址似乎是我发送的数据，而不是网站返回的数据。 x.htm显示了一个网页，但不包含我期望的信息。

从http://docs.python-requests.org/en/latest/user/quickstart/#redirection-and-history我希望r.url包含重定向的url和r.history包含http响应代码。

我做错了什么？

Answer 1

好吧你做的似乎是错的。我不确定你是如何决定在https://www.aa.com/homePage.do发送一个帖子的，但这似乎是一个得到的，并没有采取你发送的参数。当您点击搜索时，您的浏览器会发送以下帖子：https://www.americanairlines.co.uk/reservation/searchFlightsSubmit.do;jsessionid=XXXXXXXXXXXXXXXXXXX和参数：

currentCalForm=dep
currentCodeFrom=
tripType=roundTrip
originAirport=LAX
flightParams.flightDateParams.travelMonth=10
flightParams.flightDateParams.travelDay=24
flightParams.flightDateParams.searchTime=040001
destinationAirport=JFK
returnDate.travelMonth=10
returnDate.travelDay=31
returnDate.searchTime=400001
adultPassengerCount=1
adultPassengerCount=1
childPassengerCount=0
hotelRoomCount=1
serviceclass=coach
searchTypeMode=matrix
awardDatesFlexible=true
originAlternateAirportDistance=0
destinationAlternateAirportDistance=0
discountCode=
flightSearch=revenue
dateChanged=false
fromSearchPage=true
advancedSearchOpened=false
numberOfFlightsToDisplay=10
searchCategory=
aairpassSearchType=false
moreOptionsIndicator=
seniorPassengerCount=0
youngAdultPassengerCount=0
infantPassengerCount=0
passengerCount=1

然后这会给你一个html回来。 preety mach你必须发送在浏览器中发送的所有请求。使用硒可能更容易。

我发现使用httpfox可能与chrome网络相似。

Python Web抓取请求遵循重定向

1 个答案: