回应页面没有被刮后的数据美丽的汤和Python

Question

我尝试在使用下面的代码将数据发布到表单后刮取一个网页。在

import bs4 as bs
import urllib.request
import requests
import webbrowser
import urllib.parse

url_for_parse = "http://demo.testfire.net/feedback.aspx"
#PARSE THE WEBPAGE
sauce = urllib.request.urlopen(url_for_parse).read()
soup = bs.BeautifulSoup(sauce,"html.parser")

#GET FORM ATTRIBUTES
form = soup.find('form')
action_value = form.get('action')
method_value = form.get('method')
id_value = form.get('id')

#POST DATA
payload = {'txtSearch':'HELLOWORLD'}
r = requests.post(url_for_parse, payload)

#PARSING ACTION VALUE WITH URL
url2 = urllib.parse.urljoin(url_for_parse,action_value)

#READ RESPONSE
response = urllib.request.urlopen(url2)
page_source = response.read()
with open("results.html", "w") as f:
    f.write(str(page_source))

searchfile = open("results.html", "r")
for line in searchfile:
    if "HELLOWORLD" in line: 
        print ("STRING FOUND")
    else:
        print ("STRING NOT FOUND")  
searchfile.close()  

代码是正确的。响应网页被成功地刮取并存储在结果.html. 在

但是，我想在post_数据执行后刮取网页。因为每次我运行代码都会得到一个结果：String Not Found.这意味着在执行post_数据之前对结果页面进行爬网。在

如何修改代码，使表单成功提交，然后源代码存储在本地文件中。？

对于上述过程，是否建议使用替代框架而不是漂亮的脚本？在

Answer 1

很明显你在做什么。在

1) You are posting some data to a URL
2) Scraping the same URL.
3) Check for some "String"

但是你应该怎么做。在

^{pr2}$

为此，您需要将r.content写入本地文件并搜索字符串

修改代码如下：

 payload = {'txtSearch':'HELLOWORLD'}
 url2 = urllib.parse.urljoin(url_for_parse,action_value)
 r = requests.post(url2, auth = {"USERNAME", "PASSWORD"}, payload)

  with open("results.html", "w") as f:
        f.write(str(r.content))

//Then continue searching for a String. 

注意：您需要将有效负载发送到url2，而不是初始URL（URL_for \u parse）

Answer 2

在请求.post调用将是您要通过的HTML。你可以通过

r.content

但是，在我的测试中，它说我没有认证，所以我假设你已经认证了？在

我还建议完全使用请求，而不是对get和post使用urllib。在

Answer 3

在请求之间持久化会话参数可能是个好主意。在

http://docs.python-requests.org/en/master/user/advanced/#session-objects

import requests

proxies = {
    "http": "",
    "https": "",
}

headers = {
        'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'
}

data = {'item':'content'}
## not that you need basic auth but its simple to toss in requests
auth = requests.auth.HTTPBasicAuth('fake@example.com', 'not_a_real_password') 
s = requests.session()
s.headers.update(headers)
s.proxies.update(proxies)
response = s.post(url=url, data=data, auth=auth)

这个关键点就是你正在调用并等待的

^{pr2}$

只是发到http://demo.testfire.net/comment.aspx