Python Web抓取重定向到其他页面的页面
Python Web抓取重定向到其他页面的页面
提问于 2018-06-09 07:09:08
我在抓取网页内容时遇到了困难。
为了解释这一点，下面是我的Python代码：
response = requests.post('http://a836-acris.nyc.gov/bblsearch/bblsearch.asp?borough=1&block=733&lot=66',{'User-Agent' : 'Mozilla/5.0'})这给了我一个包含表单(不包含最后一个页面)的页面：
<html xmlns="http://www.w3.org/1999/xhtml" >
<head>
<title>Untitled Page</title>
</head>
<body>
<form name="bbldata" action="https://a836-acris.nyc.gov/DS/DocumentSearch/BBLResult" method="post">
<input type="hidden" name="hid_borough" value="1"/>
<input type="hidden" name="hid_borough_name" value="MANHATTAN / NEW YORK" />
<input type="hidden" name="hid_block" value="733"/>
<input type="hidden" name="hid_block_value" value="733"/>
<input type="hidden" name="hid_lot" value="66"/>
<input type="hidden" name="hid_lot_value" value="66"/>
<input type="hidden" name="hid_unit" value=""/>
<input type="hidden" name="hid_selectdate" value=""/>
<INPUT TYPE="HIDDEN" NAME="hid_datefromm" VALUE="">
<INPUT TYPE="HIDDEN" NAME="hid_datefromd" VALUE="">
<INPUT TYPE="HIDDEN" NAME="hid_datefromy" VALUE="">
<INPUT TYPE="HIDDEN" NAME="hid_datetom" VALUE="">
<INPUT TYPE="HIDDEN" NAME="hid_datetod" VALUE="">
<INPUT TYPE="HIDDEN" NAME="hid_datetoy" VALUE="">
<input type="hidden" name="hid_doctype" value=""/>
<input type="hidden" name="hid_doctype_name" value="All Document Classes"/>
<input type="hidden" name="hid_max_rows" value="10"/>
<input type="hidden" name="hid_page" value="1" />
<input type="hidden" name="hid_ReqID" value=""/>
<input type="hidden" name="hid_SearchType" value="BBL"/>
<input type="hidden" name="hid_ISIntranet" value="N"/>
<input type="hidden" name="hid_sort" value=""/>
</form>
<script language="JavaScript">
document.bbldata.submit();
</script>
</body>
</html>但是，如果您在浏览器中输入此url，则在加载了中的脚本之后，您最终会得到此网页，并且必须抓取此网页：
任何帮助都将不胜感激！
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-06-09 10:01:18
示例中的HTML表显示了您需要发布的数据。我想你已经知道了，你使用的URL实际上就是referer。因此，您需要：
# 1. Create a payload
payload = {
'hid_borough': 1,
'hid_borough_name': 'MANHATTAN / NEW YORK',
'hid_block': 733,
'hid_block_value': 733,
'hid_lot': 66,
'hid_lot_value': 66,
'hid_doctype_name': 'All Document Classes',
'hid_max_rows': 10,
'hid_page': 1,
'hid_SearchType': 'BBL',
'hid_ISIntranet': 'N'
}
# 2. Add the correct referer to your headers
header = {'User-Agent': 'Mozilla/5.0',
'referer': 'http://a836-acris.nyc.gov/bblsearch/bblsearch.asp?borough=1&block=733&lot=66'}
# 3. Add payload and headers to the post
redirect = 'https://a836-acris.nyc.gov/DS/DocumentSearch/BBLResult'
result = requests.post(redirect, data=payload, headers=header)
print result.url
https://a836-acris.nyc.gov/DS/DocumentSearch/BBLResult页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50769439
复制相关文章
相似问题