爬虫——post请求,代理,cookie

本文介绍了Python爬虫中如何发起POST请求,处理Cookie以及利用代理进行网络请求。在POST请求中,重点讲解了改写参数、封装字典格式和回调函数的使用。对于Cookie,强调了其在post请求后的自动处理和callback的重要性。同时,文章提到了在爬虫项目中设置代理的方法,包括在中间件自定义类以及在settings中配置代理,确保每次请求都能通过代理进行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

发起post请求

  • 改写def start_requests(self):
  • 封装参数字典格式
  • 回调函数yield scrapy.FormRequest(url=url, formdata=data, callback=self.parse)



    class PostdemoSpider(scrapy.Spider):
        name = 'postDemo'
        # allowed_domains = ['www.baidu.com']
        start_urls = ['https://fanyi.baidu.com/sug']

        '''
        最开始是有start_request函数的,默认是get请求
        def start_requests(self):
            for url in self.start_urls:
                yield scrapy.Request(url=url,callback=self.parse)

        发起post请求常见方式:
            一定要对start_requests方法进行重写。
            Request()方法中给method属性赋值成post
            FormRequest()进行post请求的发送

        '''

        def start_requests(self):
            print('start_request')
            data = {'kw': 'dog'}

            for url in self.start_urls:
                yield scrapy.FormRequest(url=url, formdata=data, callback=self.parse)

        def parse(self, response):
            # print(response.text)
            pass

cookie

  • post请求之后自动处理cookie,直接处理相关页面即可,注意callback
  • 一定要注意新建工程的设置

import scrapy


class DoubanSpider(scrapy.Spider):
    name = 'douban'
    # allowed_domains = ['www.douban.com']
    start_urls = ['https://accounts.douban.com/j/mobile/login/basic']

    def start_requests(self):
        print('start')
        for url in self.start_urls:
            data={
                'ck':'',
                'name':'',
                'password':'',
                'remember':'false',
                'ticket':''
            }

            yield scrapy.FormRequest(url=url,formdata=data,callback=self.parse)

    def parse(self, response):
        print('登陆')
        url='https://www.douban.com/people/193627830/'
        yield scrapy.Request(url=url, callback=self.parseBySecond)

    def parseBySecond(self,response):
        print('写入')
        with open ('./test.html','w',encoding='utf-8') as f:
            f.write(response.text)

代理

  • 就是在中间件里自定义一个类,然后写个process_request
  • request.meta[‘proxy’] =‘https://代理ip'
  • settings里设置,每次请求都会被更改
class DoubanSpider(scrapy.Spider):
    name = 'douban'
    # allowed_domains = ['www.douban.com']
    start_urls = ['https://www.baidu.com/s?wd=ip']

    def parse(self, response):
        with open('baidu.html','w',encoding='utf-8') as f:
            f.write(response.text)
DOWNLOADER_MIDDLEWARES = {
   'three.middlewares.MyProxies': 543,
}

class MyProxies(object):
    def process_request(self, request, spider):
        request.meta['proxy'] = 'https://157.230.150.101:8080'
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值