我想抓取https://sparrow.eoffice.gov.in/IPRSTATUS/IPRFiledSearch并下载截至日期(例如 2016 年 1 月 1 日)搜索结果中显示的整套 PDF 文件。员工字段是可选的。单击搜索后,网站会显示所有员工的列表。我无法使用 python 请求使用 post 方法。不断收到 405 错误。我的代码如下
from bs4 import BeautifulSoup
import requests
url = "https://sparrow.eoffice.gov.in/IPRSTATUS/IPRFiledSearch"
data = {
'assessmentYearId':'vH4pgBbZ8y8rhOFBoM0g7w',
'empName':'',
'allotmentYear':'',
'cadreId':'',
'iprReportType':'cqZvyXc--mpmnRNfPp2k7w',
'userType':'JgPOADxEXU1jGi53Xa2vGQ',
'_csrf':'7819ec72-eedf-4290-ba70-6f2b14cc4b79'
}
headers = {
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding':'gzip, deflate',
'Accept-Language':'en-US,en;q=0.8',
'Cache-Control':'max-age=0',
'Connection':'keep-alive',
'Content-Length':'184',
'Content-Type':'application/x-www-form-urlencoded',
'Upgrade-Insecure-Requests':'1',
'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36'
}
response = requests.post(url,data=data,headers=headers)
最佳答案
我不熟悉该网站,但我强烈建议在尝试抓取内容之前阅读他们的政策。
在类似的情况下,当您无法通过简单的帖子获得预期结果时,使用 requests.Session
通常会有所帮助。
关于python - 使用 python 请求进行网页抓取,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54168399/