fpg*_*ost 6 python curl scrapy
为什么cURL给出正确的响应，但是scrapy却没有？
我要使用javascript抓取的网站填写表格，然后将其发布并验证，然后再提供内容。
在最初的GET请求中从javascript抓取参数后，我已经在python中复制了此js。我的值“ TS644333_75”与js值相匹配（通过执行document.write（..）进行测试，而不是像通常那样进行提交），如果将结果复制并粘贴到cURL中也可以。例如：
curl --http1.0 'http://www.betvictor.com/sports/en/football' -H 'Connection: keep-alive'
-H 'Accept-Encoding: gzip,deflate' -H 'Accept-Language: en'
-H 'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'
-H 'Referer: http://www.betvictor.com/sports/en/football' -H 'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:25.0) Gecko/20100101 Firefox/25.0'
--data
'TS644333_id=3&
TS644333_75=286800b2a80cd3334cd2895e42e67031%3Ayxxy%3A3N6QfX3q%3A1685704694&
TS644333_md=1&
TS644333_rf=0&
TS644333_ct=0&
TS644333_pd=0' --compressed
在哪里获取TS644333_75，我只需复制并粘贴模拟js时计算出的python代码的结果即可。
在Wireshark的节目监测的数据包，如图这篇文章在这里（我已经添加了一些行空间，使POST数据更易读，但除此之外，它是为在Wireshark中看到的）。
但是，如果我启动了一个刮y的外壳：
1) scrapy shell "http://www.betvictor.com/sports/en/football"
并构造一个表单请求：
2) from scrapy.http import FormRequest
req=FormRequest(
url='http://www.betvictor.com/sports/en/football',
formdata={
'TS644333_id': '3',
'TS644333_75': '286800b2a80cd3334cd2895e42e67031:yxxy:3N6QfX3q:1685704694',
'TS644333_md': '1',
'TS644333_rf': '0',
'TS644333_ct': '0',
'TS644333_pd': '0'
},
headers={
'Referer': 'http://www.betvictor.com/sports/en/football',
'Connection': 'keep-alive'
}
)
然后取它
3) fetch(req)
我得到的响应正文只是另一个JavaScript挑战，不是所需的已提供内容。
然而，在看到Wireshark的数据包是（再次在post数据的一些新行的可读性）所示这里，和我的眼睛看起来张玉峰 。
怎么了？看起来相同的数据包如何导致不同的服务器响应？为什么这不行得通？
可能是我发布的计算参数中“：”的编码，但它似乎已经正确编码，并且两者都在wireshark中匹配，所以我认为这不是问题。
如果在URL后面加上斜杠，则似乎可以正常工作-同样的抓取请求，但URL更改为：
http://www.betvictor.com/sports/en/football/
附加示例：
测试另一个可以正常运行该网页的网站时，我遇到了同样的问题curl，但无法使用requests。与之抗争了一段时间后，这个答案以额外的斜杠解决了问题。
import requests
import json
r = requests.get(r'https://bet.hkjc.com/marksix/getJSON.aspx/?sd=20190101&ed=20190331&sb=0')
pretty_json = json.loads(r.text)
print (json.dumps(pretty_json, indent=2))
返回此：
[
{
"id": "19/037",
"date": "30/03/2019",
"no": "15+17+18+37+39+49",
"sno": "31",
"sbcode": "",
...
...
.aspx后的斜杠很重要。没有它是行不通的。如果没有斜线，则页面将返回一个空的javascript质询。
import requests
import json
#no slash
r = requests.get(r'https://bet.hkjc.com/marksix/getJSON.aspx?sd=20190101&ed=20190331&sb=0')
print(r.text)
返回此：
<HTML>
<head>
<script>
Challenge=341316;
ChallengeId=49424326;
GenericErrorMessageCookies="Cookies must be enabled in order to view this page.";
</script>
<script>
function test(var1)
{
var var_str=""+Challenge;
var var_arr=var_str.split("");
var LastDig=var_arr.reverse()[0];
var minDig=var_arr.sort()[0];
var subvar1 = (2 * (var_arr[2]))+(var_arr[1]*1);
var subvar2 = (2 * var_arr[2])+var_arr[1];
var my_pow=Math.pow(((var_arr[0]*1)+2),var_arr[1]);
var x=(var1*3+subvar1)*1;
var y=Math.cos(Math.PI*subvar2);
var answer=x*y;
answer-=my_pow*1;
answer+=(minDig*1)-(LastDig*1);
answer=answer+subvar2;
return answer;
}
</script>
<script>
client = null;
if (window.XMLHttpRequest)
{
var client=new XMLHttpRequest();
}
else
{
if (window.ActiveXObject)
{
client = new ActiveXObject('MSXML2.XMLHTTP.3.0');
};
}
if (!((!!client)&&(!!Math.pow)&&(!!Math.cos)&&(!![].sort)&&(!![].reverse)))
{
document.write("Not all needed JavaScript methods are supported.<BR>");
}
else
{
client.onreadystatechange = function()
{
if(client.readyState == 4)
{
var MyCookie=client.getResponseHeader("X-AA-Cookie-Value");
if ((MyCookie == null) || (MyCookie==""))
{
document.write(client.responseText);
return;
}
var cookieName = MyCookie.split('=')[0];
if (document.cookie.indexOf(cookieName)==-1)
{
document.write(GenericErrorMessageCookies);
return;
}
window.location.reload(true);
}
};
y=test(Challenge);
client.open("POST",window.location,true);
client.setRequestHeader('X-AA-Challenge-ID', ChallengeId);
client.setRequestHeader('X-AA-Challenge-Result',y);
client.setRequestHeader('X-AA-Challenge',Challenge);
client.setRequestHeader('Content-Type' , 'text/plain');
client.send();
}
</script>
</head>
<body>
<noscript>JavaScript must be enabled in order to view this page.</noscript>
</body>
</HTML>