Scrapy загрузить файл MIME-типа после отправки формы

Question

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.

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.

Answer 1

Файл, о котором вы говорите, находится в ответе, который вы получаете, точнее, в атрибуте response.body.

Вы можете просто открыть файл и записать в него содержимое response.body. Как так:

def parse(self, response): 
    # check if response is valid 
    if response.status != 200: 
     print("failed to get schedule") 
     return 
    # save to file valid response 
    with open('results.csv', 'w') as f: 
     f.write(response.body)  

Edit: я нашел проблему с вашими данными формы, которая была причина пустого файла возвращается:

def parse(self, response): 
    formdata={"fechaInicio": "2017-01-05", 
       "fechaFin": "2017-01-19", 
       "genero": "0", 
       "selPredefinicion": "0", 
       "formato": "csv", 
       # "cadena[]": "{INTECO, ETB}", # incorrect 
       "cadena[]": ["INTECO", "ETB"]} # <---- this is correct 
    yield FormRequest.from_response(response, formname='formExportar', 
            formdata=formdata, 
            callback=self.parse1) 

Вы поставляется некорректной строка вместо списка здесь, в приведенном выше примере является правильно и правильно возвращает/сохраняет результаты.