1. Scrapy-Request和Response（請求和響應）

Scrapy的Request和Response對象用于爬網網站。

通常，Request對象在爬蟲程序中生成并傳遞到系統，直到它們到達下載程序，后者執行請求并返回一個Response對象，該對象返回到發出請求的爬蟲程序。

2. Request對象

一個Request對象表示一個HTTP請求，它通常是在爬蟲生成，并由下載執行，從而生成Response

• 參數
  request_with_cookies = Request(url="http://www.example.com",
  cookies=[{'name': 'currency',
  'value': 'USD',
  'domain': 'example.com',
  'path': '/currency'}])
  后一種形式允許定制 cookie的屬性domain和path屬性。這只有在保存Cookie用于以后的請求時才有用
  • 使用dict：
  • url（string） - 此請求的網址
  • callback（callable） - 將使用此請求的響應（一旦下載）作為其第一個參數調用的函數。有關更多信息，請參閱下面的將附加數據傳遞給回調函數。如果請求沒有指定回調，parse()將使用spider的 方法。請注意，如果在處理期間引發異常，則會調用errback。
  • method（string） - 此請求的HTTP方法。默認為'GET'。可設置為"GET", "POST", "PUT"等，且保證字符串大寫
  • meta（dict） - 屬性的初始值Request.meta,在不同的請求之間傳遞數據使用
  • body（str或unicode） - 請求體。如果unicode傳遞了a，那么它被編碼為 str使用傳遞的編碼（默認為utf-8）。如果 body沒有給出，則存儲一個空字符串。不管這個參數的類型，存儲的最終值將是一個str（不會是unicode或None）。
  • headers（dict） - 這個請求的頭。dict值可以是字符串（對于單值標頭）或列表（對于多值標頭）。如果 None作為值傳遞，則不會發送HTTP頭.一般不需要
  • encoding: 使用默認的 'utf-8' 就行。
  • cookie（dict或list） - 請求cookie。這些可以以兩種形式發送。
    request_with_cookies = Request(url="http://www.sxt.cn/index/login/login.html",)
  • 使用列表：

將附加數據傳遞給回調函數

請求的回調是當下載該請求的響應時將被調用的函數。將使用下載的Response對象作為其第一個參數來調用回調函數

3 請求子類 FormRequest對象

FormRequest類擴展了Request具有處理HTML表單的功能的基礎。它使用lxml.html表單 從Response對象的表單數據預填充表單字段

class scrapy.http.FormRequest(url[, formdata, ...])

本FormRequest類增加了新的構造函數的參數。其余的參數與Request類相同，這里沒有記錄

• 參數：formdata（元組的dict或iterable） - 是一個包含HTML Form數據的字典（或（key，value）元組的迭代），它將被url編碼并分配給請求的主體。

該FormRequest對象支持除標準以下類方法Request的方法：

classmethod from_response(response[, formname=None, formid=None, formnumber=0, formdata=None, formxpath=None, formcss=None, clickdata=None, dont_click=False, ...])

返回一個新FormRequest對象，其中的表單字段值已預先<form>填充在給定響應中包含的HTML 元素中.

參數：

• response（Responseobject） - 包含將用于預填充表單字段的HTML表單的響應
• formname（string） - 如果給定，將使用name屬性設置為此值的形式
• formid（string） - 如果給定，將使用id屬性設置為此值的形式
• formxpath（string） - 如果給定，將使用匹配xpath的第一個表單
• formcss（string） - 如果給定，將使用匹配css選擇器的第一個形式
• formnumber（integer） - 當響應包含多個表單時要使用的表單的數量。第一個（也是默認）是0
• formdata（dict） - 要在表單數據中覆蓋的字段。如果響應元素中已存在字段，則其值將被在此參數中傳遞的值覆蓋
• clickdata（dict） - 查找控件被點擊的屬性。如果沒有提供，表單數據將被提交，模擬第一個可點擊元素的點擊。除了html屬性，控件可以通過其相對于表單中其他提交表輸入的基于零的索引，通過nr屬性來標識
• dont_click（boolean） - 如果為True，表單數據將在不點擊任何元素的情況下提交

3.1 請求使用示例

使用FormRequest通過HTTP POST發送數據

如果你想在你的爬蟲中模擬HTML表單POST并發送幾個鍵值字段，你可以返回一個FormRequest對象（從你的爬蟲）像這樣：

return [FormRequest(url="http://www.example.com/post/action", formdata={'name': 'John Doe', 'age': '27'}, callback=self.after_post)]

使用FormRequest.from_response（）來模擬用戶登錄

網站通常通過元素（例如會話相關數據或認證令牌（用于登錄頁面））提供預填充的表單字段。進行剪貼時，您需要自動預填充這些字段，并且只覆蓋其中的一些，例如用戶名和密碼。您可以使用 此作業的方法。這里有一個使用它的爬蟲示例：

4 響應對象

class scrapy.http.Response(url[, status=200, headers=None, body=b'', flags=None, request=None])

一個Response對象表示的HTTP響應，這通常是下載（由下載），并供給到爬蟲進行處理

參數：

• url（string） - 此響應的URL
• status（integer） - 響應的HTTP狀態。默認為200
• headers（dict） - 這個響應的頭。dict值可以是字符串（對于單值標頭）或列表（對于多值標頭）
• body（str） - 響應體。它必須是str，而不是unicode，除非你使用一個編碼感知響應子類，如 TextResponse
• flags（list） - 是一個包含屬性初始值的 Response.flags列表。如果給定，列表將被淺復制
• request（Requestobject） - 屬性的初始值Response.request。這代表Request生成此響應

5 模擬登錄

用的函數：

• start_requests()可以返回一個請求給爬蟲的起始網站，這個返回的請求相當于start_urls，start_requests()返回的請求會替代start_urls里的請求
• Request()get請求，可以設置，url、cookie、回調函數
• FormRequest.from_response()表單post提交，第一個必須參數，上一次響應cookie的response對象，其他參數，cookie、url、表單內容等
• yield Request()可以將一個新的請求返回給爬蟲執行

在發送請求時cookie的操作，

• meta={'cookiejar':1}表示開啟cookie記錄，首次請求時寫在Request()里
• meta={'cookiejar':response.meta['cookiejar']}表示使用上一次response的cookie，寫在FormRequest.from_response()里post授權
• meta={'cookiejar':True}表示使用授權后的cookie訪問需要登錄查看的頁面

獲取Scrapy框架Cookies

樣例代碼

start_requests()方法，可以返回一個請求給爬蟲的起始網站，這個返回的請求相當于start_urls，start_requests()返回的請求會替代start_urls里的請求

在發送請求時cookie的操作

meta={'cookiejar':1}表示開啟cookie記錄，首次請求時寫在Request()里

meta={'cookiejar':response.meta['cookiejar']}表示使用上一次response的cookie，寫在Request里post授權

總結

以上是生活随笔為你收集整理的request body 里丢东西了_26. Scrapy 框架-模拟登录-Request、Response的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。