Scrapy框架——发送POST请求模拟登陆

除了携带Cookies进行网络登陆外https://mp.csdn.net/postedit/89874926，利用Scrapy 发送Post请求也可以进行模拟登陆。

下面以Github为例，进行POST登陆。登录界面如下：（https://www.github.com/login）

 我们可以想尝试发一次错误的密码，相当于发送了一次POST请求，看看结果。

 但是我们可以注意到发送完一次POST请求后的网址变化了

我们可以F12检查元素：的确看懂Request URL变化了

我们看一下表单的信息：

那么我们接下的任务就利用这些Form data 构造一个POST请求。

Form Data 的每个数据项目可以视为一个字典，我们要获得每个项目的对应值，可以用Xpath动态提取。

但是一般 “login”和Passwork是需要你自己输入的。

OK,那么我们开始写spider文件。

# -*- coding: utf-8 -*-
import scrapy
import re

class GhSpider(scrapy.Spider):
    name = "gh"
    allowed_domains = ["github.com"]
    start_urls = ['https://github.com/login']

    def parse(self, response):
        #定义post请求的数据

        request_url="https://github.com/session"

        #定义 Form Data的数据
        authenticity_token=response.xpath("//input[@name='authenticity_token']/@value").extract_first()
        utf8=response.xpath("//input[@name='utf8']/@value").extract_first()
        commit=response.xpath("//input[@name='commit']/@value").extract_first()
        webauthn=response.xpath("//input[@name='webauthn-support']/@value").extract_first()

        post_data=dict(
            login="[email protected]",
            password="liuzihua19961004",
            commit=commit,
            utf8=utf8,
            authenticity_token=authenticity_token,
        )
        post_data["webauthn-support"] = webauthn

        #发送请求
        yield  scrapy.FormRequest(
            request_url,
            # fromdata以字典的格式传入
            formdata = post_data,
            callback=self.parse_after
        )

    def parse_after(self,response):
       print(response.body.decode())

注意这一部分：scrapy.FromRequest 与普通的scrapy.Request不同，scrapy.FromRequest可以传入数据值，比如fromdata。

注意，url必须是发送过POST后的Url

     #发送请求
        yield  scrapy.FormRequest(
            request_url,
            # fromdata以字典的格式传入
            formdata = post_data,
            callback=self.parse_after
        )

在spider中，我测试一下，所以输出response的body.

然后为了保证爬虫顺利，在这里设置settings.py文件。

BOT_NAME = 'github'

SPIDER_MODULES = ['github.spiders']
NEWSPIDER_MODULE = 'github.spiders'



# Crawl responsibly by identifying yourself (and your website) on the user-agent
USER_AGENT = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'

# Obey robots.txt rules
ROBOTSTXT_OBEY = False

然后，cmd输入运行试一下：

 我们看到POST发送成功！response.body也被successfully crawled!

另外的方法是使用：scrapy.FormRequest.from_response，它的优点是相比 scrapy.FormReques，它可以自动从response中获得表单，因此只需要输入要输入的表单内容即可（如用户名，密码），其他的自动获取

 yield  scrapy.FormRequest.from_response(
            response,#自动从response数据中寻找表单
            #只需要输入要输入的表单内容即可，其他的自动获取
            formdata={
                "login":"[email protected]",
                "password":"liuzihua19961004",
            },

           callback=self.parse_after

        )