2016-06-15 35 views
3

私は今、scrapyを使い始めました。私はscrapyのログインでいくつかの問題に直面しています。私はウェブサイトwww.instacart.comの擦り傷のアイテムを試しています。しかし、私は中に伐採の問題に直面しています。Python scrapy - ログイン認証問題

を以下には、次のエラーメッセージ

C:\Users\gouta\PycharmProjects\CSG_Scraping\csg_wholefoods>scrapy crawl first 
2016-06-15 10:44:50 [scrapy] INFO: Scrapy 1.0.3 started (bot: project) 
2016-06-15 10:44:50 [scrapy] INFO: Optional features available: ssl, http11 
2016-06-15 10:44:50 [scrapy] INFO: Overridden settings: {'NEWSPIDER_MODULE': 'project.spiders', 'SPIDER_MODULES': ['project.spiders'], 'ROBOTSTXT_OBEY': True, 'BOT_NAME': 'project'} 
2016-06-15 10:44:50 [scrapy] INFO: Enabled extensions: CloseSpider, TelnetConsole, LogStats, CoreStats, SpiderState 
2016-06-15 10:44:50 [scrapy] INFO: Enabled downloader middlewares: RobotsTxtMiddleware, HttpAuthMiddleware, DownloadTimeoutMiddleware, UserAgentMiddleware, RetryMiddleware, DefaultHeadersMiddleware, MetaRefreshMiddleware, HttpCompressionMiddleware, RedirectMiddleware, CookiesMiddleware, ChunkedTransferMiddleware, DownloaderStats 
2016-06-15 10:44:51 [scrapy] INFO: Enabled spider middlewares: HttpErrorMiddleware, OffsiteMiddleware, RefererMiddleware, UrlLengthMiddleware, DepthMiddleware 
2016-06-15 10:44:51 [scrapy] INFO: Enabled item pipelines: 
2016-06-15 10:44:51 [scrapy] INFO: Spider opened 
2016-06-15 10:44:51 [scrapy] INFO: Crawled 0 pages (at 0 pages/min), scraped 0 items (at 0 items/min) 
2016-06-15 10:44:51 [scrapy] DEBUG: Telnet console listening on 127.0.0.1:6023 
2016-06-15 10:44:51 [scrapy] DEBUG: Crawled (200) <GET https://www.instacart.com/robots.txt> (referer: None) 
2016-06-15 10:44:51 [scrapy] DEBUG: Crawled (200) <GET https://www.instacart.com> (referer: None) 
Login unsuccessful 
2016-06-15 10:44:51 [scrapy] INFO: Closing spider (finished) 
2016-06-15 10:44:51 [scrapy] INFO: Dumping Scrapy stats: 
{'downloader/request_bytes': 440, 
'downloader/request_count': 2, 
'downloader/request_method_count/GET': 2, 
'downloader/response_bytes': 17182, 
'downloader/response_count': 2, 
'downloader/response_status_count/200': 2, 
'finish_reason': 'finished', 
'finish_time': datetime.datetime(2016, 6, 15, 15, 44, 51, 767000), 
'log_count/DEBUG': 3, 
'log_count/INFO': 7, 
'response_received_count': 2, 
'scheduler/dequeued': 1, 
'scheduler/dequeued/memory': 1, 
'scheduler/enqueued': 1, 
'scheduler/enqueued/memory': 1, 
'start_time': datetime.datetime(2016, 6, 15, 15, 44, 51, 31000)} 
2016-06-15 10:44:51 [scrapy] INFO: Spider closed (finished) 

あるコード

import scrapy 

from scrapy.loader import ItemLoader 
from project.items import ProjectItem 
from scrapy.http import Request 
from scrapy import optional_features 
optional_features.remove('boto') 

class FirstSpider(scrapy.Spider): 
    name = "first" 
    allowed_domains = ["https://instacart.com"] 
    start_urls = [ 
     "https://www.instacart.com" 
    ] 

    def init_request(self): 
     return Request(url=self.login_page, callback=self.login) 

    def login(self, response): 
     return scrapy.FormRequest('https://www.instacart.com/#login', 
            formdata={'email': '[email protected]', 'password': 'xxxxxx', 
               }, 
            callback=self.parse) 

    def check_login_response(self, response): 
     return scrapy.Request('https://www.instacart.com/', self.parse) 

    def parse(self, response): 
     if "Goutam" in response.body: 
      print "Successfully logged in. Let's start crawling!" 
     else: 
      print "Login unsuccessful" 

である私が間違っているのかについて何かアドバイスが高く評価されています。

答えて

5

あなたがポストデータを見れば、あなたはポストのためのフィールドを見ることができます:

enter image description here

headers = {"X-Requested-With":"XMLHttpRequest"} 
formdata = {'user[email]': '[email protected]', 'user[password]': 'xxxx', 
      "authenticity_token":response.xpath("//meta[@csrf-token]/@content").extract_first()} 

さらにいくつかの問題、完全な作業クモ、実際にあります。

from scrapy.crawler import CrawlerProcess 
import scrapy 

from scrapy.http import Request 

class FirstSpider(scrapy.Spider): 
    name = "first" 
    allowed_domains = ["instacart.com"] 
    start_urls = [ 
     "https://www.instacart.com" 
    ] 

    def start_requests(self): 
     return [Request(url="https://www.instacart.com", callback=self.login)] 

    def login(self, response): 
     return scrapy.FormRequest('https://www.instacart.com/accounts/login', 
            headers={"X-Requested-With": "XMLHttpRequest"}, 
            formdata={'user[email]': '[email protected]', 'user[password]': 'xxxxx', 
              "authenticity_token": response.xpath(
               "//meta[@name='csrf-token']/@content").extract_first()}, 
            callback=self.parse,dont_filter=True) 


    def parse(self, response): 
     print(response.body) 
     if "Goutam" in response.body: 
      print "Successfully logged in. Let's start crawling!" 
     else: 
      print "Login unsuccessful" 
は、

唯一の問題は、反応を使用して多くのコンテンツが読み込まれていることです。

+0

優秀な回答!私は正常に上記のスパイダーでログインすることができます。私は新しいメソッド 'check check_login_response(self、response)を実行するためにloginメソッドのコールバックを修正しました: return scrapy.Request( 'https://www.instacart.com/store/whole-foods/departments/2883/aisles/23027 '、self.parse) 'しかし、応答本体はホームページの内容をまったく持っているようです。 – goutam

+0

明日何か自由時間があるときに私はそれを見て –

+0

ありがとう。私は正しいパラメータを渡していることを確認するためにフォームデータを見ていませんでした。 https://3.bp.blogspot.com/-HcvXeTjWqrU/Uk5yb8taKdI/AAAAAAAABW4/conixlMQDes/s1600/stupid+gif.gif – Craicerjack

関連する問題