我想从http://www.jstor.org/stable/pdf/10.1086/512825.pdf抓取一个pdf文件,但它希望我接受条款和条件。从浏览器下载时,我发现JSTOR在名为JSESSIONID和SessionData的2个cookie中保存了我的认可,但是python-requests没有抓住这两个cookie(它抓住了另外两个cookie而不是这些cookie)。
这是我的会话实例化代码:
def get_raw_session():
session = requests.Session()
session.headers.update({'User-Agent': UserAgent().random})
session.headers.update({'Connection': 'keep-alive'})
return session
请注意,之前我曾多次使用python请求登录所需的网站,并且效果很好,但在这种情况下它并非如此。
我想问题是JSTOR是用jsp构建的,python-request不支持。
任何想法?
答案 0 :(得分:0)
以下代码对我来说非常合适 -
import requests
from bs4 import BeautifulSoup
s = requests.session()
r = s.get('http://www.jstor.org/stable/pdf/10.1086/512825.pdf')
soup = BeautifulSoup(r.content)
pdfurl = 'http://www.jstor.org' + soup.find('a', id='acptTC')['href']
with open('export.pdf', 'wb') as handle:
response = s.get(pdfurl, stream=True)
for block in response.iter_content(1024):
if not block:
break
handle.write(block)