Web Scraping с запросами Python

Question

Web Scraping с запросами Python

1

Я хочу очистить https://sparrow.eoffice.gov.in/IPRSTATUS/IPRFiledSearch и загрузить весь набор файлов PDF, которые отображаются в результатах поиска по состоянию на дату (скажем, 01-01-2016). Поля сотрудников являются необязательными. При нажатии на поиск, сайт выдает список всех сотрудников. Я не могу заставить метод post работать с использованием запросов Python. Продолжайте получать ошибку 405. Мой код ниже

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)

Varun Khandelwal 13 янв. 2019, в 13:10

Источник

Теги:

python

web-scraping

2 ответа

Ещё вопросы

Varun Khandelwal · Answer 1 · 2019-01-13T13-56-00.000Z

Проблема заключалась в том, что я использовал тот же код CSRF. Должен быть изменен с каждым запросом.

Mohammad Razzaghnoori · Answer 2 · 2019-01-13T08-46-00.000Z

Я не знаком с веб-сайтом, но я настоятельно рекомендую прочитать их политику, прежде чем пытаться очистить содержимое.

В подобных сценариях, когда вы не получаете ожидаемых результатов простым сообщением, обычно используется requests.Session обычно помогает.

я изменил код для использования сессий, но он не работает. urlpage = " sparrow.eoffice.gov.in/IPRSTATUS/IPRFiledSearch " urlpost = " sparrow.eoffice.gov.in/IPRSTATUS/iprStatus/doSearchEmployee " session = reports.Session () page = session.get (urlpage) post = session .post (urlpost, данные = данные, заголовки = заголовки)
Соскоб в сети иногда может быть довольно сложным. Используйте инструменты разработчика Chrome для точного моделирования запроса и подумайте об использовании Selenium, если вы не используете свой код в работе.