无法使用请求从网页中删除名称

Question

我在python中创建了一个脚本来获取一个名称，该名称在填写网页中的输入时填充。以下是如何获得该名称 - >打开该网页后（下面给出了附加链接），将16803放在CP Number旁边，点击搜索按钮。

我知道如何使用selenium抓住它，但我不想去那条路。我正在尝试使用requests模块收集名称。我试图模仿我的脚本中的步骤（我在chrome开发工具中可以看到的）关于如何将请求发送到该站点的步骤。在payload参数中我唯一无法自动提供的是ScrollTop。

Website Link

这是我的尝试：

import requests
from bs4 import BeautifulSoup

URL = "https://www.icsi.in/student/Members/MemberSearch.aspx"

with requests.Session() as s:
    r = s.get(URL)
    cookie_item = "; ".join([str(x)+"="+str(y) for x,y in r.cookies.items()])
    soup = BeautifulSoup(r.text,"lxml")

    payload = {
        'StylesheetManager_TSSM':soup.select_one("#StylesheetManager_TSSM")['value'],
        'ScriptManager_TSM':soup.select_one("#ScriptManager_TSM")['value'],
        '__VIEWSTATE':soup.select_one("#__VIEWSTATE")['value'],
        '__VIEWSTATEGENERATOR':soup.select_one("#__VIEWSTATEGENERATOR")['value'],
        '__EVENTVALIDATION':soup.select_one("#__EVENTVALIDATION")['value'],
        'dnn$ctlHeader$dnnSearch$Search':soup.select_one("#dnn_ctlHeader_dnnSearch_SiteRadioButton")['value'],
        'dnn$ctr410$MemberSearch$ddlMemberType':0,
        'dnn$ctr410$MemberSearch$txtCpNumber': 16803,
        'ScrollTop': 474,
        '__dnnVariable': soup.select_one("#__dnnVariable")['value'],
    }

    headers = {
        'Content-Type':'multipart/form-data; boundary=----WebKitFormBoundaryBhsR9ScAvNQ1o5ks',
        'Referer': 'https://www.icsi.in/student/Members/MemberSearch.aspx',
        'Cookie':cookie_item,
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
    }
    res = s.post(URL,data=payload,headers=headers)
    soup_obj = BeautifulSoup(res.text,"lxml")
    name = soup_obj.select_one(".name_head > span").text
    print(name)

当我执行上面的脚本时，我收到以下错误：

AttributeError: 'NoneType' object has no attribute 'text'

如何在使用请求填写网页中的输入时获取填充的名称？

Answer 1

您的代码的主要问题是数据编码。我注意到您已将Content-Type标头设置为“multipart / form-data”，但这还不足以创建多部分编码数据。实际上，这是一个问题，因为实际的编码是不同的，因为您使用的是对URL数据进行URL编码的data参数。要创建多部分编码数据，您应该使用files参数。

您可以通过将额外的伪参数传递给files来做到这一点，

res = s.post(URL, data=payload, files={'file':''})

（这将改变所有POST数据的编码，而不仅仅是'file'字段）

或者，您可以将payload字典中的值转换为元组，这是使用请求发布文件时的预期结构。

payload = {k:(None, str(v)) for k,v in payload.items()}

第一个值是文件名;在这种情况下不需要它所以我把它设置为None。

接下来，您的POST数据应包含为获得有效响应所需的__EVENTTARGET值。 （在创建POST数据字典时，提交服务器期望的所有数据非常重要。我们可以从浏览器获取数据：通过检查HTML表单或检查网络流量。）完整的代码，

import requests
from bs4 import BeautifulSoup

URL = "https://www.icsi.in/student/Members/MemberSearch.aspx"

with requests.Session() as s:
    r = s.get(URL)
    soup = BeautifulSoup(r.text,"lxml")

    payload = {i['name']: i.get('value', '') for i in soup.select('input[name]')}
    payload['dnn$ctr410$MemberSearch$txtCpNumber'] = 16803
    payload["__EVENTTARGET"] = 'dnn$ctr410$MemberSearch$btnSearch'
    payload = {k:(None, str(v)) for k,v in payload.items()}

    r = s.post(URL, files=payload)
    soup_obj = BeautifulSoup(r.text,"lxml")
    name = soup_obj.select_one(".name_head > span").text
    print(name)

---

经过一些测试，我发现服务器也接受URL编码的数据（可能是因为没有发布文件）。因此，如果您不更改默认的Content-Type标头，则可以使用data或files获得有效响应。

没有必要添加任何额外的标头。使用Session对象时，默认情况下会存储和提交Cookie。当使用data参数时，自动创建Content-Type标头 - “application / x-www-form-urlencoded”，使用files使用“multipart / form-data”。不需要更改默认User-Agent或添加Referer。