На странице http://comunicacion.movistarplus.es/guiaProgramacion/exportarProgramacion есть форма, где пользователь должен ввести несколько полей, чтобы загрузить расписание каналов для самых важных испанских вещателей. После того, как пользователь заполнит форму и нажимает кнопку Exportar, браузер автоматически начинает загрузку файла с расширением в formato раскрывающийся список.Scrapy загрузить файл MIME-типа после отправки формы
Теперь, из моего браузера Chrome, очень легко получить файл. Тем не менее, я хочу automatise это со сценарием Scrapy и ниже вы можете найти то, что я сделал до сих пор:
from scrapy.item import Item, Field
from scrapy.http import FormRequest
from scrapy.spiders import Spider
from scrapy.selector import Selector
from scrapy.http import Request
class ProgramacionSpider(Spider):
name = "Programacion"
allowed_domains = ["comunicacion.movistarplus.es"]
start_urls = ["http://comunicacion.movistarplus.es/guiaProgramacion/exportarProgramacion"]
def parse(self, response):
yield FormRequest.from_response(response, formname='formExportar', formdata={"fechaInicio": "2017-01-05", "fechaFin": "2017-01-19", "genero" : "0", "selPredefinicion": "0", "formato": "csv", "cadena[]": "{INTECO, ETB}"}, callback=self.parse1)
def parse1(self, response):
print response
Теперь, после выполнения FormRequest.from_response параметров с POST, которые должны быть отправлены вместе с формой, Scrapy отвечает следующим текстом:
2017-01-05 13:19:11 [scrapy] INFO: Scrapy 1.1.2 started (bot: Programacion)
2017-01-05 13:19:11 [scrapy] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'Programacion.spiders', 'FEED_URI': 'sss.csv', 'DUPEFILTER_CLASS': 'scrapy_splash.SplashAwareDupeFilter', 'SPIDER_MODULES': ['Programacion.spiders'], 'BOT_NAME': 'Programacion', 'FEED_FORMAT': 'csv', 'HTTPCACHE_STORAGE': 'scrapy_splash.SplashAwareFSCacheStorage'}
2017-01-05 13:19:11 [scrapy] INFO: Enabled extensions:
['scrapy.extensions.feedexport.FeedExporter',
'scrapy.extensions.logstats.LogStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.corestats.CoreStats']
2017-01-05 13:19:12 [scrapy] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy_splash.SplashCookiesMiddleware',
'scrapy_splash.SplashMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.chunked.ChunkedTransferMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2017-01-05 13:19:12 [scrapy] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy_splash.SplashDeduplicateArgsMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2017-01-05 13:19:12 [scrapy] INFO: Enabled item pipelines:
[]
2017-01-05 13:19:12 [scrapy] INFO: Spider opened
2017-01-05 13:19:12 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2017-01-05 13:19:12 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023
2017-01-05 13:19:12 [scrapy] DEBUG: Crawled (200) <GET http://comunicacion.movistarplus.es/guiaProgramacion/exportarProgramacion> (referer: None)
2017-01-05 13:19:12 [scrapy] DEBUG: Crawled (200) <POST http://comunicacion.movistarplus.es/guiaProgramacion/exportar> (referer: http://comunicacion.movistarplus.es/guiaProgramacion/exportarProgramacion)
<200 http://comunicacion.movistarplus.es/guiaProgramacion/exportar>
2017-01-05 13:19:12 [scrapy] INFO: Closing spider (finished)
2017-01-05 13:19:12 [scrapy] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 822,
'downloader/request_count': 2,
'downloader/request_method_count/GET': 1,
'downloader/request_method_count/POST': 1,
'downloader/response_bytes': 6603,
'downloader/response_count': 2,
'downloader/response_status_count/200': 2,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2017, 1, 5, 12, 19, 12, 783383),
'log_count/DEBUG': 3,
'log_count/INFO': 7,
'request_depth_max': 1,
'response_received_count': 2,
'scheduler/dequeued': 2,
'scheduler/dequeued/memory': 2,
'scheduler/enqueued': 2,
'scheduler/enqueued/memory': 2,
'start_time': datetime.datetime(2017, 1, 5, 12, 19, 12, 204111)}
2017-01-05 13:19:12 [scrapy] INFO: Spider closed (finished)
Очевидно, что гусеничный, кажется, работает хорошо, потому что он не реагирует с 500 Error (т.е. он принимает POST переменные из формы) ,
ПРОБЛЕМА
Я хотел бы знать, как загрузить файл непосредственно с Scrapy, и не имеют ни одной идеи о том, как сделать это. Спасибо.
Hi. К сожалению, это не работает. Файл results.csv пуст после выполнения искателя с вашим предложением. Любое другое решение? – juanba1984
@ juanba1984 он работает, это просто, что ваш response.body пуст, а это значит, что вы не получили никаких файлов данных, хотя ваш код ответа 200. Попробуйте распечатать его, чтобы посмотреть, если это так, если вам это нужно для настройки самого обхода. – Granitosaurus
@ juanba1984 Я вырыл и нашел проблему. Бит formdata был немного неправильным, вызывая все это, см. Мое редактирование. – Granitosaurus