python - scrapy 无法提交表单

Question

这是我要抓取的网页: http://www.nalpdirectory.com/Page.cfm?PageID=34 .我想模拟提交表单 #resultDisplayOptionsForm 并将 #customDisplayNum 设置为 All，这将给我带来一个包含所有列出项目的网页。

这是我的代码片段:

def parse(self, response):
    yield scrapy.FormRequest.from_response(
        response,
        formid='resultDisplayOptionsForm',
        formdata={'displayNum': '100000'}, #I tried 10, 20, 30 etc. none works
        dont_click=True,
        #clickdata={'id': 'customizeDisplaySubmitBtn'},
        callback=self.after_showAll
    )
def after_showAll(self, response):
    from scrapy.shell import inspect_response
    inspect_response(response, self)

当我检查响应时，它总是显示失败的页面。欢迎提出任何建议。谢谢!

Answer 1

这里的问题是您缺少获取数据的实际 POST 请求。

如果仔细检查，表单的 POST 请求 url 是 this site ，而您想要的“响应”是this site , 这样您就可以确认是否缺少某些内容。

你缺少对最终站点执行第三个请求，在 scrapy 代码中，它会是这样的:

def parse(self, response):
    yield FormRequest.from_response(
        response,
        formid='resultDisplayOptionsForm',
        formdata={'displayNum': '100000000'},  # I tried 10, 20, 30 etc. none works
        dont_click=True,
        # clickdata={'id': 'customizeDisplaySubmitBtn'},
        callback=self.after_showAll
    )

def after_showAll(self, response):
    yield FormRequest(
        url='http://www.nalpdirectory.com/Page.cfm?PageID=34',
        formdata={
            'currPage': '1',
            'checkedFormID': '',
        },
        callback=self.parse_real,
    )

def parse_real(self, response):
    from scrapy.shell import inspect_response
    inspect_response(response, self)