使用Scrapy Spiders无需下载即可处理图像

Posted 2021-04-10

我正在尝试使用Scrapy Spider解决问题（来自HackThisSite的编程问题）：

（1）我必须登录一个网站，提供用户名和密码（已经完成）

（2）之后，我必须访问具有给定URL的图像（该图像仅供登录用户访问）

（3）然后，在不将图像保存在硬盘中的情况下，我必须在一种缓冲区中读取它的信息

（4）函数的结果将填写表格并将数据发送到网站服务器（我已经知道如何执行此步骤）

因此，我可以继续提问：是否可以（使用蜘蛛）读取只有登录用户可访问的图像并在蜘蛛代码中处理它？

我试着研究不同的方法，使用项目管道不是一个好方法（我不想下载文件）。

我已经拥有的代码是：

class ProgrammingQuestion2(Spider):

    name = 'p2'
    start_urls = ['https://www.hackthissite.org/']

    def parse(self, response):

        formdata_hts = {'username': <MY_USER_NAME>,
                'password': <MY_PASSWORD>,
                'btn_submit': 'Login'}

        return FormRequest.from_response(response,
                formdata=formdata_hts, callback=self.redirect_to_page)

    def redirect_to_page(self, response):

        yield Request(url='https://www.hackthissite.org/missions/prog/2/',
                callback=self.solve_question_2)

    def solve_question_2(self, response):

        open_in_browser(response)
        img_url = 'https://www.hackthissite.org/missions/prog/2/PNG'
        # What can I do here?

我希望使用Scrapy函数解决这个问题，否则有必要再次登录网站（发送表单数据）。

答案

您可以生成scrapy请求以爬网映像，然后回调到其他端点：

def parse_page(self, response):
    img_url = 'https://www.hackthissite.org/missions/prog/2/PNG'
    yield Request(img_url, callback=self.parse_image)

def parse_image(self, response):
    image_bytes = response.body
    form_data = form_from_image(image_bytes)
    # make form request