python - Scrapy Splash - 保持记录

Question

我设法使用 scrapy+splash 连接到网站(感谢 this thread )。

我知道我已登录，因为我可以显示您登录后可用的一些元素。但是，当我尝试使用另一个 SplashRequest 访问另一个页面时，网站会要求再次登录。

看来 scrapy(或splash)并不能保持 session 处于事件状态。是否需要启用某些功能才能保持登录状态并保持 session 事件？

谢谢，

Answer 1

Splash从干净的状态开始每次渲染，所以如果你想保持 session ，你需要首先初始化cookie，并且让Scrapy知道渲染期间设置的cookie。请参阅Session Handling scrapy-splash README 中的部分。完整的示例如下所示(从自述文件中复制粘贴):

import scrapy
from scrapy_splash import SplashRequest

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
"""

class MySpider(scrapy.Spider):


    # ...
        yield SplashRequest(url, self.parse_result,
            endpoint='execute',
            cache_args=['lua_source'],
            args={'lua_source': script},
        )

    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.

请注意， session 当前需要使用/execute 或/run 端点，其他端点没有帮助程序。