python - Scrapy处理asp.net站点中的 session cookie或302

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。假设搜索页面是 http://search.site.com/search/search.aspx

现在我的爬虫非常简单

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)

但无论如何，相同的页面(search.aspx)仅返回到after_search回调，而不是预期的带有结果的searchresults.aspx

这就是浏览器中发生的情况

1. 在其中一个字段中输入搜索词
2. 点击了搜索按钮
3. 在表单提交到同一页面 (search.aspx) 时，我看到它返回 302 重定向到搜索结果页面
4. 然后将显示搜索结果页面
5. 我看到这里使用了 asp.net session cookie，因为一旦进行搜索，我就可以获取搜索结果页面 URL，例如 http://search.site.com/search/searchresults.aspx?key=searchkey&anothersearchparam=12并打开任何选项卡并直接加载结果
6. 如果我打开一个新 session 并粘贴 URL，那么我将被重定向到搜索页面

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

Answer 1

1. 您不必处理 302，scrapy 会自己处理。
2. 您可以调试 cookie，在设置中设置 DEBUG_COOKIE = 1
3. 您是否检查过当您从浏览器搜索时在 post 或 get 方法中发送了哪些其他参数，您必须将它们全部以表单数据形式传递。

我建议您使用 fron _response，例如:

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