最新国产好看的视频,伊人天堂AV在线,国产Aaaaaa视频,蜜臀视频在线观看一区,人妻av色图,密臀久久久精品影片,青青视频免费观看毛片,久草在线观看视,国产三级精品色情在线

python爬蟲實(shí)現(xiàn)POST request payload形式的請(qǐng)求

 更新時(shí)間:2020年04月30日 15:00:01   作者:Kosmoo  
這篇文章主要介紹了python爬蟲實(shí)現(xiàn)POST request payload形式的請(qǐng)求,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

1. 背景

最近在爬取某個(gè)站點(diǎn)時(shí),發(fā)現(xiàn)在POST數(shù)據(jù)時(shí),使用的數(shù)據(jù)格式是request payload,有別于之前常見的 POST數(shù)據(jù)格式(Form data)。而使用Form data數(shù)據(jù)的提交方式時(shí),無法提交成功。

1.1. Http請(qǐng)求中Form Data 和 Request Payload的區(qū)別

AJAX Post請(qǐng)求中常用的兩種傳參數(shù)的形式:form data 和 request payload

1.1.1. Form data

get請(qǐng)求的時(shí)候,我們的參數(shù)直接反映在url里面,形式為key1=value1&key2=value2形式,比如:

http://news.baidu.com/ns?word=NBA&tn=news&from=news&cl=2&rn=20&ct=1

而如果是post請(qǐng)求,那么表單參數(shù)是在請(qǐng)求體中,也是以key1=value1&key2=value2的形式在請(qǐng)求體中。通過chrome的開發(fā)者工具可以看到,如下:

RequestURL:http://127.0.0.1:8080/test/test.do
Request Method:POST
Status Code:200 OK

Request Headers
Accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8
Accept-Encoding:gzip,deflate,sdch
Accept-Language:zh-CN,zh;q=0.8,en;q=0.6
AlexaToolbar-ALX_NS_PH:AlexaToolbar/alxg-3.2
Cache-Control:max-age=0
Connection:keep-alive
Content-Length:25
Content-Type:application/x-www-form-urlencoded
Cookie:JSESSIONID=74AC93F9F572980B6FC10474CD8EDD8D
Host:127.0.0.1:8080
Origin:http://127.0.0.1:8080
Referer:http://127.0.0.1:8080/test/index.jsp
User-Agent:Mozilla/5.0 (Windows NT 6.1)AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36

Form Data
name:mikan
address:street

Response Headers
Content-Length:2
Date:Sun, 11 May 2014 11:05:33 GMT
Server:Apache-Coyote/1.1

這里要注意post請(qǐng)求的Content-Type為application/x-www-form-urlencoded(默認(rèn)的),參數(shù)是在請(qǐng)求體中,即上面請(qǐng)求中的Form Data。

前端代碼:提交數(shù)據(jù)

xhr.setRequestHeader("Content-type","application/x-www-form-urlencoded");

xhr.send("name=foo&value=bar");

后端代碼:接收提交的數(shù)據(jù)。在servlet中,可以通過request.getParameter(name)的形式來獲取表單參數(shù)。

/**
 * 獲取httpRequest的參數(shù)
 * 
 * @param request
 * @param name
 * @return
 */
protected String getParameterValue(HttpServletRequest request, String name) {
 return StringUtils.trimToEmpty(request.getParameter(name));
}

1.1.2. Request payload

如果使用原生AJAX POST請(qǐng)求的話,那么請(qǐng)求在chrome的開發(fā)者工具的表現(xiàn)如下,主要是參數(shù)在

Remote Address:192.168.234.240:80
Request URL:http://tuanbeta3.XXX.com/qimage/upload.htm
Request Method:POST
Status Code:200 OK

Request Headers
Accept:application/json, text/javascript, */*; q=0.01
Accept-Encoding:gzip,deflate,sdch
Accept-Language:zh-CN,zh;q=0.8,en;q=0.6
Connection:keep-alive
Content-Length:151
Content-Type:application/json;charset=UTF-8
Cookie:JSESSIONID=E08388788943A651924CA0A10C7ACAD0
Host:tuanbeta3.XXX.com
Origin:http://tuanbeta3.XXX.com
Referer:http://tuanbeta3.XXX.com/qimage/customerlist.htm?menu=19
User-Agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.114 Safari/537.36
X-Requested-With:XMLHttpRequest

Request Payload
[{widthEncode:NNNcaXN, heightEncode:NNNN5NN, displayUrl:201409/03/66I5P266rtT86oKq6,…}]

Response Headers
Connection:keep-alive
Content-Encoding:gzip
Content-Type:application/json;charset=UTF-8
Date:Thu, 04 Sep 2014 06:49:44 GMT
Server:nginx/1.4.7
Transfer-Encoding:chunked
Vary:Accept-Encoding

注意請(qǐng)求的Content-Type是application/json;charset=UTF-8,而請(qǐng)求表單的參數(shù)在Request Payload中。

后端代碼:獲取數(shù)據(jù)(這里使用org.apache.commons.io.):

/**
 * 從 request 獲取 payload 數(shù)據(jù)
 *
 * @param request
 * @return
 * @throws IOException
 */
private String getRequestPayload(HttpServletRequest request) throws IOException {
 return IOUtils.toString(request.getReader());
}

1.1.3. 二者區(qū)別

如果一個(gè)請(qǐng)求的Content-Type設(shè)置為application/x-www-form-urlencoded,那么這個(gè)Post請(qǐng)求會(huì)被認(rèn)為是Http Post表單請(qǐng)求,那么請(qǐng)求主體將以一個(gè)標(biāo)準(zhǔn)的鍵值對(duì)和&的querystring形式出現(xiàn)。這種方式是HTML表單的默認(rèn)設(shè)置,所以在過去這種方式更加常見。

其他形式的POST請(qǐng)求,是放到 Request payload 中(現(xiàn)在是為了方便閱讀,使用了Json這樣的數(shù)據(jù)格式),請(qǐng)求的Content-Type設(shè)置為application/json;charset=UTF-8或者不指定。

2. 環(huán)境

python 3.6.1

系統(tǒng):win7

IDE:pycharm

requests 2.14.2

scrapy 1.4.0

3. 使用requests模塊post payload請(qǐng)求

import json
import requests
import datetime

postUrl = 'https://sellercentral.amazon.com/fba/profitabilitycalculator/getafnfee?profitcalcToken=en2kXFaY81m513NydhTZ9sdb6hoj3D'
# payloadData數(shù)據(jù)
payloadData = {
 'afnPriceStr': 10,
 'currency':'USD',
 'productInfoMapping': {
  'asin': 'B072JW3Z6L',
  'dimensionUnit': 'inches',
 }
}
# 請(qǐng)求頭設(shè)置
payloadHeader = {
 'Host': 'sellercentral.amazon.com',
 'Content-Type': 'application/json',
}
# 下載超時(shí)
timeOut = 25
# 代理
proxy = "183.12.50.118:8080"
proxies = {
 "http": proxy,
 "https": proxy,
}
r = requests.post(postUrl, data=json.dumps(payloadData), headers=payloadHeader)
dumpJsonData = json.dumps(payloadData)
print(f"dumpJsonData = {dumpJsonData}")
res = requests.post(postUrl, data=dumpJsonData, headers=payloadHeader, timeout=timeOut, proxies=proxies, allow_redirects=True)
# 下面這種直接填充json參數(shù)的方式也OK
# res = requests.post(postUrl, json=payloadData, headers=header)
print(f"responseTime = {datetime.datetime.now()}, statusCode = {res.status_code}, res text = {res.text}")

4. 在scrapy中post payload請(qǐng)求

這兒有個(gè)壞消息,那就是scrapy目前還不支持payload這種request請(qǐng)求。而且scrapy對(duì)formdata的請(qǐng)求也有很嚴(yán)格的要求,具體可以參考這篇文章:http://m.fzitv.net/article/185824.htm

4.1. 分析scrapy源碼

參考注解

# 文件:E:\Miniconda\Lib\site-packages\scrapy\http\request\form.py
class FormRequest(Request):

 def __init__(self, *args, **kwargs):
  formdata = kwargs.pop('formdata', None)
  if formdata and kwargs.get('method') is None:
   kwargs['method'] = 'POST'

  super(FormRequest, self).__init__(*args, **kwargs)

  if formdata:
   items = formdata.items() if isinstance(formdata, dict) else formdata
   querystr = _urlencode(items, self.encoding)
   # 這兒寫死了,當(dāng)提交數(shù)據(jù)時(shí),設(shè)置好Content-Type,也就是form data類型
   # 就算改寫這兒,后面也沒有對(duì) json數(shù)據(jù)解析的處理
   if self.method == 'POST':
    self.headers.setdefault(b'Content-Type', b'application/x-www-form-urlencoded')
    self._set_body(querystr)
   else:
    self._set_url(self.url + ('&' if '?' in self.url else '?') + querystr)

4.2. 思路:在scrapy中嵌入requests模塊

分析請(qǐng)求

返回的查詢結(jié)果

第一步:在爬蟲中構(gòu)造請(qǐng)求,把所有的參數(shù)以及必要信息帶進(jìn)去。

返回的查詢結(jié)果

第一步:在爬蟲中構(gòu)造請(qǐng)求,把所有的參數(shù)以及必要信息帶進(jìn)去。

# 文件 mySpider.py中

payloadData = {}
payloadData['afnPriceStr'] = 0
payloadData['currency'] = asinInfo['currencyCodeHidden']
payloadData['futureFeeDate'] = asinInfo['futureFeeDateHidden']
payloadData['hasFutureFee'] = False
payloadData['hasTaxPage'] = True
payloadData['marketPlaceId'] = asinInfo['marketplaceIdHidden']
payloadData['mfnPriceStr'] = 0
payloadData['mfnShippingPriceStr'] = 0
payloadData['productInfoMapping'] = {}
payloadData['productInfoMapping']['asin'] = dataFieldJson['asin']
payloadData['productInfoMapping']['binding'] = dataFieldJson['binding']
payloadData['productInfoMapping']['dimensionUnit'] = dataFieldJson['dimensionUnit']
payloadData['productInfoMapping']['dimensionUnitString'] = dataFieldJson['dimensionUnitString']
payloadData['productInfoMapping']['encryptedMarketplaceId'] = dataFieldJson['encryptedMarketplaceId']
payloadData['productInfoMapping']['gl'] = dataFieldJson['gl']
payloadData['productInfoMapping']['height'] = dataFieldJson['height']
payloadData['productInfoMapping']['imageUrl'] = dataFieldJson['imageUrl']
payloadData['productInfoMapping']['isAsinLimits'] = dataFieldJson['isAsinLimits']
payloadData['productInfoMapping']['isWhiteGloveRequired'] = dataFieldJson['isWhiteGloveRequired']
payloadData['productInfoMapping']['length'] = dataFieldJson['length']
payloadData['productInfoMapping']['link'] = dataFieldJson['link']
payloadData['productInfoMapping']['originalUrl'] = dataFieldJson['originalUrl']
payloadData['productInfoMapping']['productGroup'] = dataFieldJson['productGroup']
payloadData['productInfoMapping']['subCategory'] = dataFieldJson['subCategory']
payloadData['productInfoMapping']['thumbStringUrl'] = dataFieldJson['thumbStringUrl']
payloadData['productInfoMapping']['title'] = dataFieldJson['title']
payloadData['productInfoMapping']['weight'] = dataFieldJson['weight']
payloadData['productInfoMapping']['weightUnit'] = dataFieldJson['weightUnit']
payloadData['productInfoMapping']['weightUnitString'] = dataFieldJson['weightUnitString']
payloadData['productInfoMapping']['width'] = dataFieldJson['width']
# https://sellercentral.amazon.com/fba/profitabilitycalculator/getafnfee?profitcalcToken=en2kXFaY81m513NydhTZ9sdb6hoj3D
postUrl = f"https://sellercentral.amazon.com/fba/profitabilitycalculator/getafnfee?profitcalcToken={asinInfo['tokenValue']}"
payloadHeader = {
 'Host': 'sellercentral.amazon.com',
 'Content-Type': 'application/json',
}
# scrapy源碼:self.headers.setdefault(b'Content-Type', b'application/x-www-form-urlencoded')
print(f"payloadData = {payloadData}")
# 這個(gè)request并不真正用來調(diào)度,去發(fā)出請(qǐng)求,因?yàn)檫@種方式構(gòu)造方式,是無法提交成功的,會(huì)返回404錯(cuò)誤
# 這樣構(gòu)造主要是把查詢參數(shù)提交出去,在下載中間件部分用request模塊下載,用 “payloadFlag” 標(biāo)記這種request
yield Request(url = postUrl,
    headers = payloadHeader,
    meta = {'payloadFlag': True, 'payloadData': payloadData, 'headers': payloadHeader, 'asinInfo': asinInfo},
    callback = self.parseAsinSearchFinallyRes,
    errback = self.error,
    dont_filter = True
    )

第二步:在中間件中,用requests模塊處理這個(gè)請(qǐng)求

# 文件:middlewares.py

class PayLoadRequestMiddleware:
 def process_request(self, request, spider):
  # 如果有的請(qǐng)求是帶有payload請(qǐng)求的,在這個(gè)里面處理掉
  if request.meta.get('payloadFlag', False):
   print(f"PayLoadRequestMiddleware enter")
   postUrl = request.url
   headers = request.meta.get('headers', {})
   payloadData = request.meta.get('payloadData', {})
   proxy = request.meta['proxy']
   proxies = {
    "http": proxy,
    "https": proxy,
   }
   timeOut = request.meta.get('download_timeout', 25)
   allow_redirects = request.meta.get('dont_redirect', False)
   dumpJsonData = json.dumps(payloadData)
   print(f"dumpJsonData = {dumpJsonData}")
   # 發(fā)現(xiàn)這個(gè)居然是個(gè)同步 阻塞的過程,太過影響速度了
   res = requests.post(postUrl, data=dumpJsonData, headers=headers, timeout=timeOut, proxies=proxies, allow_redirects=allow_redirects)
   # res = requests.post(postUrl, json=payloadData, headers=header)
   print(f"responseTime = {datetime.datetime.now()}, res text = {res.text}, statusCode = {res.status_code}")
   if res.status_code > 199 and res.status_code < 300:
    # 返回Response,就進(jìn)入callback函數(shù)處理,不會(huì)再去下載這個(gè)請(qǐng)求
    return HtmlResponse(url=request.url,
         body=res.content,
         request=request,
         # 最好根據(jù)網(wǎng)頁(yè)的具體編碼而定
         encoding='utf-8',
         status=200)
   else:
    print(f"request mode getting page error, Exception = {e}")
    return HtmlResponse(url=request.url, status=500, request=request)

4.3. 遺留下的問題

scrapy之所以強(qiáng)大,就是因?yàn)椴l(fā)度高。大家都知道,由于Python GIL的原因,導(dǎo)致python無法通過多線程來提高性能。但是至少可以做到下載與解析同步的過程,在下載空檔的時(shí)候,進(jìn)行數(shù)據(jù)的解析,調(diào)度等等,這都?xì)w功于scrapy采用的異步結(jié)構(gòu)。

但是,我們?cè)谥虚g件中使用requests模塊進(jìn)行網(wǎng)頁(yè)下載,因?yàn)檫@是個(gè)同步過程,所以會(huì)阻塞在這個(gè)地方,拉低了整個(gè)爬蟲的效率。

所以,需要根據(jù)項(xiàng)目具體的情況,來決定合適的方案。當(dāng)然這里又涉及到一個(gè)新的話題,就是scrapy提供的兩種爬取模式:深度優(yōu)先模式和廣度優(yōu)先模式。如何盡可能最大限度的利用scrapy的并發(fā)?在環(huán)境不穩(wěn)定的情形下如何保證盡可能穩(wěn)定的拿到數(shù)據(jù)?

深度優(yōu)先模式和廣度優(yōu)先模式是在settings中設(shè)置的。

# 文件: settings.py

# DEPTH_PRIORITY(默認(rèn)值為0)設(shè)置為一個(gè)正值后,Scrapy的調(diào)度器的隊(duì)列就會(huì)從LIFO變成FIFO,因此抓取規(guī)則就由DFO(深度優(yōu)先)變成了BFO(廣度優(yōu)先)
DEPTH_PRIORITY = 1, # 廣度優(yōu)先(肯呢個(gè)會(huì)累積大量的request,累計(jì)占有大量的內(nèi)存,最終數(shù)據(jù)也在最后一批爬取)

深度優(yōu)先:DEPTH_PRIORITY = 0

廣度優(yōu)先:DEPTH_PRIORITY = 1

想將這個(gè)過程做成異步的,一直沒有思路,歡迎大神提出好的想法

以上這篇python爬蟲實(shí)現(xiàn)POST request payload形式的請(qǐng)求就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • pytorch中tensor轉(zhuǎn)換為float的實(shí)現(xiàn)示例

    pytorch中tensor轉(zhuǎn)換為float的實(shí)現(xiàn)示例

    本文主要介紹了pytorch中tensor轉(zhuǎn)換為float,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2024-03-03
  • 基于Python的圖像數(shù)據(jù)增強(qiáng)Data Augmentation解析

    基于Python的圖像數(shù)據(jù)增強(qiáng)Data Augmentation解析

    這篇文章主要介紹了基于Python的圖像數(shù)據(jù)增強(qiáng)Data Augmentation解析,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-08-08
  • Python之web模板應(yīng)用

    Python之web模板應(yīng)用

    這篇文章主要介紹了Python之web模板應(yīng)用,web模板可以更加靈活和方便的控制HTML的顯示,非常具有實(shí)用價(jià)值,有需要的小伙伴可以參考下
    2017-12-12
  • Python Django view 兩種return的實(shí)現(xiàn)方式

    Python Django view 兩種return的實(shí)現(xiàn)方式

    這篇文章主要介紹了Python Django view 兩種return的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-03-03
  • python—sys模塊之獲取參數(shù)的操作

    python—sys模塊之獲取參數(shù)的操作

    這篇文章主要介紹了python—sys模塊之獲取參數(shù)的操作,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-05-05
  • Python實(shí)現(xiàn)前端樣式尺寸單位轉(zhuǎn)換

    Python實(shí)現(xiàn)前端樣式尺寸單位轉(zhuǎn)換

    在?Web?前端項(xiàng)目開發(fā)時(shí),樣式尺寸都是以?rpx?為單位,可是?UI?設(shè)計(jì)師在看完開發(fā)后的?UI?,卻要求都以?px?為單位,所以本文就和大家分享一個(gè)利用Python就能實(shí)現(xiàn)尺寸單位轉(zhuǎn)換的方法吧
    2023-06-06
  • Python利用遺傳算法探索迷宮出路實(shí)例深究

    Python利用遺傳算法探索迷宮出路實(shí)例深究

    當(dāng)處理迷宮問題時(shí),遺傳算法提供了創(chuàng)新的解決方案,本文將深入探討如何運(yùn)用Python和遺傳算法來解決迷宮問題,這是一個(gè)經(jīng)典的尋路問題,尋找從起點(diǎn)到終點(diǎn)的最佳路徑,遺傳算法是一種啟發(fā)式優(yōu)化方法,適用于解決復(fù)雜問題,其中個(gè)體進(jìn)化和自然選擇的概念被用于尋找最優(yōu)解
    2023-12-12
  • 最新評(píng)論

    南汇区| 巴塘县| 马关县| 含山县| 库尔勒市| 五原县| 黄冈市| 理塘县| 象州县| 衡阳市| 杨浦区| 股票| 电白县| 全南县| 镶黄旗| 广东省| 浙江省| 楚雄市| 巨野县| 甘洛县| 定远县| 新龙县| 达日县| 闻喜县| 泰兴市| 夏津县| 大同县| 二连浩特市| 仙游县| 宜城市| 石首市| 郸城县| 富阳市| 海伦市| 柯坪县| 阜南县| 台南市| 台前县| 陵水| 邹平县| 香河县|