从Splash请求中读取cookie

时间:2017-01-03 11:27:27

标签: python scrapy scrapy-splash

我在使用Splash发出请求后尝试访问Cookie。 以下是我构建请求的方式。

script = """
function main(splash)
  splash:init_cookies(splash.args.cookies)
  assert(splash:go{
    splash.args.url,
    headers=splash.args.headers,
    http_method=splash.args.http_method,
    body=splash.args.body,
    })
  assert(splash:wait(0.5))

  local entries = splash:history()
  local last_response = entries[#entries].response
  return {
    url = splash:url(),
    headers = last_response.headers,
    http_status = last_response.status,
    cookies = splash:get_cookies(),
    html = splash:html(),
  }
end
"""
req = SplashRequest(
    url,
    self.parse_page,
    args={
        'wait': 0.5,
        'lua_source': script,
        'endpoint': 'execute'
    }
)

该脚本是Splash文档的精确副本。

所以我试图访问网页上设置的Cookie。当我没有使用Splash时,下面的代码按照我的预期运行,但在使用Splash时则不行。

self.logger.debug('Cookies: %s', response.headers.get('Set-Cookie'))

使用Splash时返回:

  

2017-01-03 12:12:37 [spider] DEBUG:Cookies:无

当我没有使用Splash时,此代码可以运行并返回网页提供的Cookie。

Splash的文档将此代码显示为示例:

def parse_result(self, response):
    # here response.body contains result HTML;
    # response.headers are filled with headers from last
    # web page loaded to Splash;
    # cookies from all responses and from JavaScript are collected
    # and put into Set-Cookie response header, so that Scrapy
    # can remember them.

我不确定我是否正确理解了这一点,但我说我应该能够以与不使用Splash时相同的方式访问Cookie。

中间件设置:

# Download middlewares 
DOWNLOADER_MIDDLEWARES = {
    # Use a random user agent on each request
    'crawling.middlewares.RandomUserAgentDownloaderMiddleware': 400,
    'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': None,
    'scrapy.downloadermiddlewares.cookies.CookiesMiddleware': 700,
    # Enable crawlera proxy
    'scrapy_crawlera.CrawleraMiddleware': 600,
    # Enable Splash to render javascript
    'scrapy_splash.SplashCookiesMiddleware': 723,
    'scrapy_splash.SplashMiddleware': 725,
    'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810, 
}

所以我的问题是:如何在使用Splash请求时访问cookie?

Settings.py

spider.py

1 个答案:

答案 0 :(得分:3)

您可以设置SPLASH_COOKIES_DEBUG=True选项以查看正在设置的所有Cookie。合并所有Cookie的当前cookiejar在response.cookiejar配置正确时可以scrapy-splash使用。

使用response.headers.get('Set-Header')并不健全,因为在重定向的情况下(例如JS重定向)可能会有多个响应,并且可以在第一个响应中设置cookie,而脚本仅为最后一个响应返回标头。

我不确定这是否是您遇到的问题;代码不是Splash docs的精确副本。这里:

req = SplashRequest(
    url,
    self.parse_page,
    args={
        'wait': 0.5,
        'lua_source': script
    }
) 

您正在向/render.json终端发送请求;它不会执行Lua脚本;使用endpoint='execute'来解决这个问题。