Scrapy报400和415错误

今天用Scrapy框架爬取金融APP时出现了一些小问题,折腾了一天,记录一下。

返回415状态码:请求包未加header


首先用Charles抓取手机请求数据包,图如下:


请求包

这是一个POST请求并需要提交表单数据,所以我用了scrapy.FormRequest构造数据包,具体spider代码:

class yilicai(Spider):
    name = "yilicai"
    urls = "http://api.yilicai.cn/product/all5"
    base_url = "https://www.yilicai.cn"
    DOWNLOAD_DELAY = 0
    count = 0
    appmc = "壹理财"

    def start_requests(self):
        formdata = {
            'page': '1',
            'sType': '0',
            'sTerm': '0',
            'sRate': '0',
            'sRecover': '0',
            'sStart': '0'
        }
        yield scrapy.FormRequest(self.urls, callback=self.parse, formdata=formdata)

    def parse(self,response):
        datas = json.loads(response.body)
        print(json.dumps(datas, sort_keys=True, indent=2))
        

运行该爬虫出现415错误:

2018-05-07 17:00:20 [scrapy.core.engine] DEBUG: Crawled (415) <POST http://api.yilicai.cn/product/all5> (referer: None)
2018-05-07 17:00:20 [scrapy.spidermiddlewares.httperror] INFO: Ignoring response <415 http://api.yilicai.cn/product/all5>: HTTP status code is not handled or not allowed
2018-05-07 17:00:21 [scrapy.core.engine] INFO: Closing spider (finished)

去找了一下关于HTTP状态码415的解释:

415 Unsupported Media Type 服务器无法处理请求附带的媒体格式

后来发现是我没有添加header,添加了header的代码修改如下:

headers={
        "Accept-Language":"zh-CN,zh;q=0.8",
        "User-Agent ":"Mozilla/5.0 (Linux; U; Android 6.0; zh-cn; AOSP on HammerHead Build/MRA58K) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30",
        "Content-Type":"application/json;charset=utf-8",
        "Host":"api.yilicai.cn",
        "Accept-Encoding":"gzip",
    }
...
...
yield scrapy.FormRequest(self.urls, headers=self.headers,callback=self.parse, formdata=formdata)

返回400状态码:未将提交数据转化为json格式

再次运行415状态码错误算是解决了,但是出现了一个新的错误,报错400:

2018-05-07 17:11:59 [scrapy.core.engine] DEBUG: Crawled (400) <POST http://api.yilicai.cn/product/all5> (referer: None)
2018-05-07 17:11:59 [scrapy.spidermiddlewares.httperror] INFO: Ignoring response <400 http://api.yilicai.cn/product/all5>: HTTP status code is not handled or not allowed
2018-05-07 17:11:59 [scrapy.core.engine] INFO: Closing spider (finished)

真的伤心,就是这个400错误卡了我一整天,我先去找了一下关于400状态码的解释

400 bad request 错误的请求

后来发现是这个请求严格要求提交的表单必须是json格式,所以在提交表单时候需要把formdata转换成json格式,然后进行提交。

由于使用scrapy.FormRequest在构造包时语句formdata=json.dumps(formdata)会报错,所以使用scrapy.Request来进行爬取:

class yilicai(Spider):
    name = "yilicai"
    urls = "http://api.yilicai.cn/product/all5"
    base_url = "https://www.yilicai.cn"
    DOWNLOAD_DELAY = 0
    count = 0
    appmc = "壹理财"

    headers={
        "Accept-Language":"zh-CN,zh;q=0.8",
        "User-Agent ":"Mozilla/5.0 (Linux; U; Android 6.0; zh-cn; AOSP on HammerHead Build/MRA58K) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30",
        "Content-Type":"application/json;charset=utf-8",
        "Host":"api.yilicai.cn",
        "Accept-Encoding":"gzip",
    }

    def start_requests(self):
        formdata = {
            'page': '1',
            'sType': '0',
            'sTerm': '0',
            'sRate': '0',
            'sRecover': '0',
            'sStart': '0'
        }
        temp=json.dumps(formdata)
        yield scrapy.Request(self.urls,body=temp,headers=self.headers,callback=self.parse)

    def parse(self,response):
        datas = json.loads(response.body)
        print(json.dumps(datas,sort_keys=True, indent=2))

最后终于成功抓到返回的数据包了,然后愉快的进行数据分析了

2018-05-07 17:47:16 [scrapy.core.engine] DEBUG: Crawled (200) <GET http://api.yilicai.cn/product/all5> (referer: None)
{
  "base_url": "https://www.yilicai.cn", 
  "current_page": "1", 
  "new_hand": 1, 
  "pager": "1", 
  "pagerParam": {
    "count": 16063, 
    "maxPage": 1607, 
    "perPage": 10
  }, 
  "product_list": [
    {
    ......
    }
  ], 
  "sid": null, 
  "status": "0"
}
2018-05-07 17:47:16 [scrapy.core.engine] INFO: Closing spider (finished)
2018-05-07 17:47:16 [scrapy.statscollectors] INFO: Dumping Scrapy stats:
......
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,254评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,875评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,682评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,896评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,015评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,152评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,208评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,962评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,388评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,700评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,867评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,551评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,186评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,901评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,142评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,689评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,757评论 2 351

推荐阅读更多精彩内容

  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,644评论 18 139
  • 序言第1章 Scrapy介绍第2章 理解HTML和XPath第3章 爬虫基础 第4章 从Scrapy到移动应用第5...
    SeanCheney阅读 5,420评论 0 7
  • scrapy学习笔记(有示例版) 我的博客 scrapy学习笔记1.使用scrapy1.1创建工程1.2创建爬虫模...
    陈思煜阅读 12,675评论 4 46
  • 最近看的电影部部都让我落泪。 本以为看个温情的喜剧电影不会再哭。 结果,哭得更难过了。 一 四口之家三人都有听说障...
    一隻兔几阅读 350评论 1 2
  • 显然日本已经是成为机器人的代名词,日本所制造的机器人已经处于领先世界的地位。是什么样一种原因让日本的机器人技术如此...
    啊荣啊阅读 375评论 0 0