Comment obtenir id_session lors de l'utilisation de script lua Crawlera dans Scrapy Splash?

voix
0

Comme vous le savez, nous utilisons ce script lua lorsque nous essayons d'utiliser Scrapy Splash avec Crawlera:

function use_crawlera(splash)
    -- Make sure you pass your Crawlera API key in the 'crawlera_user' arg.
    -- Have a look at the file spiders/quotes-js.py to see how to do it.
    -- Find your Crawlera credentials in https://app.scrapinghub.com/
    local user = splash.args.crawlera_user

    local host = 'proxy.crawlera.com'
    local port = 8010
    local session_header = 'X-Crawlera-Session'
    local session_id = 'create'

    splash:on_request(function (request)
        request:set_header('X-Crawlera-Cookies', 'disable')
        request:set_header(session_header, session_id)
        request:set_proxy{host, port, username=user, password=''}
    end)

    splash:on_response_headers(function (response)
        if type(response.headers[session_header]) ~= nil then
            session_id = response.headers[session_header]
        end
    end)
end

function main(splash)
    use_crawlera(splash)
        splash:init_cookies(splash.args.cookies)
        assert(splash:go{
            splash.args.url,
            headers=splash.args.headers,
            http_method=splash.args.http_method,
        })    
            assert(splash:wait(3))
        return {
            html = splash:html(),
            cookies = splash:get_cookies(),
        }
end

Il y a une session_idvariable dans ce script lua dont j'ai besoin mal, mais comment puis - je accéder à partir de la réponse de Scrapy?

J'ai essayé response.session_idou , response.headers['X-Crawlera-Session']mais les deux ne fonctionnent pas.

Créé 27/11/2018 à 15:13
source utilisateur
Dans d'autres langues...                            


2 réponses

voix
0
  1. Retour des données HAR aussi ( https://splash.readthedocs.io/en/stable/scripting-ref.html#splash-har ) dans votre script lua:
    return {
        html = splash:html(),
        har = splash:har(),
        cookies = splash:get_cookies(),
    }
  1. En supposant que vous utilisez scrapy-éclaboussures ( https://github.com/scrapy-plugins/scrapy-splash ) assurez - vous que vous définissez le executepoint final à votre demande:

meta['splash']['endpoint'] = 'execute'.

Si vous utilisez scrapy.Request, render.json est le point final par défaut, mais pour scrapy_splash.SplashRequestle point final par défaut est render.html. Découvrez ces 2 exemples pour voir comment définir le point final: https://github.com/scrapy-plugins/scrapy-splash#requests

  1. Seulement maintenant , vous avez accès à en- X-Crawlera-Sessiontête dans votre méthode d'analyse syntaxique:
    def parse(self, response):
        headers = json.loads(response.text)['har']['log']['entries'][0]['response']['headers']
        session_id = next(x for x in headers if x['name'] == 'X-Crawlera-Session')['value']
>>> headers = json.loads(response.text)['har']['log']['entries'][0]['response']['headers']
>>> next(x for x in headers if x['name'] == 'X-Crawlera-Session')
{u'name': u'X-Crawlera-Session', u'value': u'2124641382'}
Créé 06/07/2019 à 19:59
source utilisateur

voix
0

Utilisez les éclaboussures: set_result_header .

Créé 05/07/2019 à 16:41
source utilisateur

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more