从Splash请求中读取cookies

我试图在使用Splash发出请求后访问cookie。以下是我如何构建请求。从Splash请求中读取cookies

script = """ 
function main(splash) 
    splash:init_cookies(splash.args.cookies) 
    assert(splash:go{ 
    splash.args.url, 
    headers=splash.args.headers, 
    http_method=splash.args.http_method, 
    body=splash.args.body, 
    }) 
    assert(splash:wait(0.5)) 

    local entries = splash:history() 
    local last_response = entries[#entries].response 
    return { 
    url = splash:url(), 
    headers = last_response.headers, 
    http_status = last_response.status, 
    cookies = splash:get_cookies(), 
    html = splash:html(), 
    } 
end 
""" 
req = SplashRequest(
    url, 
    self.parse_page, 
    args={ 
     'wait': 0.5, 
     'lua_source': script, 
     'endpoint': 'execute' 
    } 
)

该脚本是Splash文档的精确副本。

所以我试图访问在网页上设置的cookie。当我不使用Splash时，下面的代码按照我的预期工作，但在使用Splash时不起作用。

self.logger.debug('Cookies: %s', response.headers.get('Set-Cookie'))

这同时使用飞溅返回：

2017-01-03 12:12:37 [spider] DEBUG: Cookies: None

当我不使用飞溅此代码的工作，并返回该网页提供的饼干。

飞溅的文档显示该代码例如：

def parse_result(self, response): 
    # here response.body contains result HTML; 
    # response.headers are filled with headers from last 
    # web page loaded to Splash; 
    # cookies from all responses and from JavaScript are collected 
    # and put into Set-Cookie response header, so that Scrapy 
    # can remember them.

我不知道我是否正确地理解这一点，但我要说，我应该能够访问在同一饼干就像我不使用Splash一样。

中间件设置：

# Download middlewares 
DOWNLOADER_MIDDLEWARES = { 
    # Use a random user agent on each request 
    'crawling.middlewares.RandomUserAgentDownloaderMiddleware': 400, 
    'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware': None, 
    'scrapy.downloadermiddlewares.cookies.CookiesMiddleware': 700, 
    # Enable crawlera proxy 
    'scrapy_crawlera.CrawleraMiddleware': 600, 
    # Enable Splash to render javascript 
    'scrapy_splash.SplashCookiesMiddleware': 723, 
    'scrapy_splash.SplashMiddleware': 725, 
    'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware': 810, 
}

所以我的问题是：我怎么在使用飞溅请求访问饼干？

Settings.py

spider.py

来源

2017-01-03 Casper

您可以设置SPLASH_COOKIES_DEBUG=True选项来查看正在的所有cookies。当scrapy-splash配置正确时，当前cookiejar与所有cookie合并，可用为response.cookiejar。

使用response.headers.get('Set-Header')不稳健，因为在重定向的情况下（例如JS重定向）可能会有几个响应，并且可以在第一个中设置cookie，而脚本仅返回最后一个响应的标头。

我不确定这是否是您遇到的问题;该代码不是Splash文档的精确副本。这里：

req = SplashRequest(
    url, 
    self.parse_page, 
    args={ 
     'wait': 0.5, 
     'lua_source': script 
    } 
)

您要发送请求到/render.json端点;它不执行Lua脚本;使用endpoint='execute'来解决这个问题。

来源

2017-01-04 13:41:03

我已将端点添加到请求但没有结果。 response.headers.get（'Set-Cookie'）仍然返回一个NoneType。对于response.cookiejar，我得到一个错误：AttributeError：'SplashTextResponse'对象没有属性'cookiejar' – Casper

@Casper - 你确定所有描述的选项都设置在settings.py中吗？ scrapy_splash.SplashCookiesMiddleware添加到'DOWNLOADER_MIDDLEWARES'吗？ –

我用DOWNLOADER_MIDDLEWARES设置变量更新了这个问题。 – Casper

从Splash请求中读取cookies

回答

相关问题