我正在尝试使用 Scrapy Spider 来解决一个问题(来自 HackThisSite 的编程问题):
(1) 我必须登录一个网站,输入用户名和密码(已经完成)
(2) 之后,我必须访问具有给定 URL 的图像(该图像仅供登录用户访问)
(3) 然后,不在硬盘中保存图像,我必须在一种缓冲区中读取它的信息
(4) 函数的结果会填写一个表单并将数据发送到网站服务器(这一步我已经知道怎么做了)
因此,我可以继续提问:是否有可能(使用蜘蛛)读取只有登录用户才能访问的图像并在蜘蛛代码中处理它?</p>
我尝试研究不同的方法,使用项目管道不是一个好方法(我不想下载文件)。
我已有的代码是:
class ProgrammingQuestion2(Spider):
name = 'p2'
start_urls = ['https://www.hackthissite.org/']
def parse(self, response):
formdata_hts = {'username': <MY_USER_NAME>,
'password': <MY_PASSWORD>,
'btn_submit': 'Login'}
return FormRequest.from_response(response,
formdata=formdata_hts, callback=self.redirect_to_page)
def redirect_to_page(self, response):
yield Request(url='https://www.hackthissite.org/missions/prog/2/',
callback=self.solve_question_2)
def solve_question_2(self, response):
open_in_browser(response)
img_url = 'https://www.hackthissite.org/missions/prog/2/PNG'
# What can I do here?
我希望使用Scrapy函数解决这个问题,否则需要重新登录网站(发送表单数据)。
最佳答案
您可以发出一个 scrapy 请求来抓取图像,然后回调到其他端点:
def parse_page(self, response):
img_url = 'https://www.hackthissite.org/missions/prog/2/PNG'
yield Request(img_url, callback=self.parse_image)
def parse_image(self, response):
image_bytes = response.body
form_data = form_from_image(image_bytes)
# make form request
关于python - 使用 Scrapy Spiders 在不下载的情况下处理图像,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55891234/