"https://pagesjaunes.fr"のデータを削るtrypingです。 私はページからデータを掻き集めるために電子メール、アドレスなどScrapy FormRequest.from_response error
ネットワーククロムデバッガで送信されたフォームデータを検索すると、私は束を見ることができますおそらくその場でjavascriptによって生成されるデータです。
、ここでクモのための私のpythonのコードです:
import scrapy
from scrapy_splash import SplashRequest
class PagesJaunes(scrapy.Spider):
name="pagesjaunes"
allowed_domains = [".fr", ".com"]
start_urls = ["https://www.pagesjaunes.fr"]
def parse(self, response):
return scrapy.FormRequest.from_response(response,
formdata = {
"quoiqui": "macon",
"ou":"bordeaux"
},
callback = self.parse_page2)
def parse_page2(self, response):
self.logger.info("%s page visited", response.url)
しかし、それは私に、このエラーを示しています
2017-12-12 13:33:11 [scrapy.utils.log] INFO: Scrapy 1.4.0 started (bot: scrapybot)
2017-12-12 13:33:11 [scrapy.utils.log] INFO: Overridden settings: {'EDITOR': '/usr/bin/nano', 'SPIDER_LOADER_WARN_ONLY': True}
2017-12-12 13:33:11 [scrapy.middleware] INFO: Enabled extensions:
['scrapy.extensions.corestats.CoreStats',
'scrapy.extensions.telnet.TelnetConsole',
'scrapy.extensions.memusage.MemoryUsage',
'scrapy.extensions.logstats.LogStats']
2017-12-12 13:33:11 [scrapy.middleware] INFO: Enabled downloader middlewares:
['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',
'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',
'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',
'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',
'scrapy.downloadermiddlewares.retry.RetryMiddleware',
'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',
'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',
'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',
'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',
'scrapy.downloadermiddlewares.httpproxy.HttpProxyMiddleware',
'scrapy.downloadermiddlewares.stats.DownloaderStats']
2017-12-12 13:33:11 [scrapy.middleware] INFO: Enabled spider middlewares:
['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',
'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',
'scrapy.spidermiddlewares.referer.RefererMiddleware',
'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',
'scrapy.spidermiddlewares.depth.DepthMiddleware']
2017-12-12 13:33:11 [scrapy.middleware] INFO: Enabled item pipelines:
[]
2017-12-12 13:33:11 [scrapy.core.engine] INFO: Spider opened
2017-12-12 13:33:11 [scrapy.extensions.logstats] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min)
2017-12-12 13:33:11 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6023
2017-12-12 13:33:12 [scrapy.core.engine] DEBUG: Crawled (200) <GET https://www.pagesjaunes.fr> (referer: None)
2017-12-12 13:33:13 [scrapy.spidermiddlewares.offsite] DEBUG: Filtered offsite request to 'www.pagesjaunes.fr': <POST https://www.pagesjaunes.fr/annuaire/chercherlespros?hp=1>
2017-12-12 13:33:13 [scrapy.core.engine] INFO: Closing spider (finished)
2017-12-12 13:33:13 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
{'downloader/request_bytes': 216,
'downloader/request_count': 1,
'downloader/request_method_count/GET': 1,
'downloader/response_bytes': 19575,
'downloader/response_count': 1,
'downloader/response_status_count/200': 1,
'finish_reason': 'finished',
'finish_time': datetime.datetime(2017, 12, 12, 11, 33, 13, 22520),
'log_count/DEBUG': 3,
'log_count/INFO': 7,
'memusage/max': 52523008,
'memusage/startup': 52523008,
'offsite/domains': 1,
'offsite/filtered': 1,
'request_depth_max': 1,
'response_received_count': 1,
'scheduler/dequeued': 1,
'scheduler/dequeued/memory': 1,
'scheduler/enqueued': 1,
'scheduler/enqueued/memory': 1,
'start_time': datetime.datetime(2017, 12, 12, 11, 33, 11, 466154)}
私が間違っているクモを設定AMまたは私は必要なのですかすべてのフォームデータを取得する方法?
チェック 'ネットワークを示している
でサーバーによってブロックされました。 JavaScript(Ajax/XHR)を使用してデータを追加できます。そして、「XHR」では、json – furas
としてデータを取得するために使用されるURLを見つけてください。このWebページに関する質問があると思います。 – furas
実際、このページはajaxを介してデータの一部を取得しています。私がチェックした後、私はデータを取得するために使用することができるURLはありませんまた、私が見ているデータは、プラットフォームのvariabelesに関連しています:クロム... Osの等は何も検索フォームに関連しています。私は、リクエストフォームにネーミングされたデータの大半は、thoughr js scrpitsによって生成されると思います。私はscrapy - スプラッシュを使用してデータを事前に生成しようとしましたが、何とか私はvariabelsのほとんどを見つけることができません。それらのすべてのポスト変数とともに辞書を送ることは本当に必要です。私は2つの瓶だけを使用できますか?それは何とかコードロングですか? –