Question

我正在尝试抓取用asp.net编写的Web应用程序。

我正在尝试执行搜索并抓取搜索结果页面。可以说搜索页面是http://search.site.com/search/search.aspx

现在我的抓取工具非常简单

class SitesearchSpider(Spider):
    name = 'sitecrawl'
    allowed_domains = ['search.site.org']
    start_urls = [
        "http://search.site.org/Search/Search.aspx"
    ]

def parse(self, response):
        self.log("Calling Parse Method", level=log.INFO)
        response = response.replace(body=response.body.replace("disabled",""))
        return [FormRequest(
            url="http://search.site.org/Search/Search.aspx",
            formdata={'ctl00$phContent$ucUnifiedSearch$txtIndvl': '2441386'},            
            callback=self.after_search)]

    def after_search(self, response):
        self.log("In after search", level=log.INFO)
        if "To begin your search" in response.body:
            self.log("unable to get result")            
        else:
            self.log(response.body)

但是无论同一页面（search.aspx）只返回到after_search回调而不是预期的searchresults.aspx并带有结果

这就是浏览器中似乎发生的事情

在其中一个字段中输入搜索字词
点击搜索按钮
在表单提交到同一页面（search.aspx）后，我看到它返回302重定向到搜索结果页面
然后显示搜索结果页面
我看到这里使用的是asp.net会话cookie，因为一旦进行搜索，我可以将搜索结果页面的URL视为 http://search.site.com/search/searchresults.aspx?key=searchkey&anothersearchparam=12并打开任何标签并直接加载结果
如果我打开一个新会话并粘贴该网址，那么我将被重定向到搜索页面

现在我浏览了文档，我不确定是否必须处理302或aspnet会话cookie。任何帮助，将不胜感激。

Answer 1

你不必处理302，scrapy就是itselr。
您可以调试cookie，在设置
当你从浏览器中搜索时，你是否检查过post或get方法发送的其他参数，你必须将它们全部传递给表格数据。

我建议您使用fron _response，例如：

return [FormRequest.from_response(
        response,
        formdata={'ctl00$phContent$ucUnifiedSearch$txtIndvl': '2441386'},

在asp.net站点中处理会话cookie或302的Scrapy

1 个答案: