1、在请求登陆页面时报错: 500 Internal Server Error
解决办法:在 Request() 中添加 header 信息
如:
# 重写爬虫类的方法,实现自定义请求
def start_requests(self):
return [Request("https://www.zhihu.com/#signin", headers=settings["HEADER"], cookies=settings["COOKIE"],
meta={"cookiejar": 1}, callback=self.post_login)]
注:settings["HEADER"] 和 settings["COOKIe"] 可以通过浏览器获得
2、需要先获取 xsrf 的值
方法如下:
xsrf = Selector(response).xpath('//input[@name="_xsrf"]/@value').extract()[0]
3、不要在 COOKIE 中设置 xsrf ,由于知乎每次返回的 xsrf 都不同,所以每次都要重新获取,而如果在 COOKIE 中设置了,则即使获取了新的 xsrf ,也不会取代旧的
4、在 3 的基础上,不要在 COOKIE 中设置 xsrf,而是在 formdata 中设置
formdata={ "_xsrf": xsrf,
"email": "1905199415@qq.com",
"password": self.passwd,
"captcha_type": "cn",
},
5、登陆时请求的 URL 不是 "https://www.zhihu.com/#signin", 而是请求 "https://www.zhihu.com/login/email"
6、formdata 关键字的获得技巧
首先在浏览器中打开网站登陆页面,然后打开按 F12(谷歌浏览器Chrome),然后点击 NetWork ,然后输入用户名和故意输错的密码,再点击提交,然后在刷新出来的 URL 中找到有 Form Data 的 URL,并获得关键字
7、