scrapy 自动登录后保存 cookie，过段时间登出了

登陆部分写在 start_requests 函数中，然后保存登陆的 cookie 信息（ scrapy 会自动把 cookie 信息保存下来），这时可以正常抓取其他页面。但是大约 2 个小时后，应该 session 会过期，这时页面访问就不正常了，但是这时如果直接在 parse 函数中回调 start_requests 不起作用（代码为： return [Request("xxx",callback=self.start_requests)],可以进入 start_requests 函数，但是不能像初始化时一样执行登陆操作）。求解，谢谢。

函数

Scrapy

保存

5 条回复 • 2016-08-29 12:27:44 +08:00

Yc1992

2016-08-29 00:04:38 +08:00

自己挂个本地代理抓包看看

liyj144

2016-08-29 09:01:10 +08:00

@Yc1992 一段时间后 session 确实是过期的，这时按理应该重新出发登陆机制。但是不知道 scrapy 中在 parse 函数中如何重新调用 start_requests 进行初始化登陆操作。

laoyur

2016-08-29 09:23:01 +08:00

def start_requests(self):
def parse(self, response):
要回调也是回调 parse 方法啊，为何要去回调 start_requests ？ start_requests 是爬虫启动的时候自动调的
在 parse 里面判断页面状态是已登录还是未登录，各自做不同的操作呗

liyj144

2016-08-29 11:45:42 +08:00

@laoyur 多谢，确实应该是回调 parse 方法。但是现在遇到另外一个问题：在回调重新登陆的 parse 方法如何更改 request 的 url 。现在代码结构为：

# 重新触发登陆
def re_login(self, reponse):
response = response.request.replace(url=login_page)
return [FormRequest.from_response(response,url="xxxx", formdata={xxx})] # 标记 1

# 分析页面元素并保存，如果页面上登陆标识不存在，报异常并触发 re_login
def parse_item(self, response):
try:
# download and parse page, when logout , check function raise IndexError exception
except IndexError:
self.log("------ start to login again ------")
self.post_login(response)

按照这种方法，可以正常执行到标记 1 处，在标记 1 处 request.url 是请求 item 的 url ，不是 login 页面的 url ，于是会报 from 找不到的错误。通过 response.replace 方法更改 url 和 body 的值后请求未能成功。怀疑是 replace 那个方法用的有问题，暂时还没找到解决办法。有没有前辈遇到过相似问题？谢谢。

laoyur

2016-08-29 12:27:44 +08:00

def parse_item(self, response):
看你的描述，一旦爬 item 失败后，服务端并不会重定向到登录页面，也就是说 parse_item 这个方法传入的 response 中不包含登录的表单。那也好办啊，显式地在爬 item 失败后爬一下登录页面就是了，反正 url 都是固定的，你写死即可，回来后你再用 FormRequest.from_response 来登录即可