python - 从 Splash 请求中读取 cookie

Question

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'
    }
)

该脚本与 Splash 文档完全相同。

所以我正在尝试访问网页上设置的 cookie。当我不使用 Splash 时，下面的代码将按照我的预期工作，但在使用 Splash 时则不然。

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: None

当我不使用 Splash 时，此代码可以工作并返回网页提供的 cookie。

Splash 的文档显示了此代码作为示例:

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.

我不确定我是否理解正确，但我想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

Answer 1

您可以设置SPLASH_COOKIES_DEBUG=True查看正在设置的所有 cookie 的选项。当前的 cookiejar 包含所有合并的 cookie，可用作 response.cookiejar当scrapy-splash配置正确。

使用response.headers.get('Set-Header')不稳健，因为在重定向(例如 JS 重定向)的情况下，可能会有多个响应，并且可以在第一个响应中设置 cookie，而脚本仅返回最后一个响应的 header 。

我不确定这是否是您遇到的问题；该代码并非 Splash 文档的精确副本。这里:

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

您正在向 /render.json 发送请求终点；它不执行Lua脚本；使用endpoint='execute'来解决这个问题。