为什么 Scrapy returns 一个 Iframe？

Question

我想通过 Python-Scrapy

我试试这个

class Parik(scrapy.Spider):
    name = "ooshop"
    allowed_domains = ["http://www.ooshop.com/courses-en-ligne/Home.aspx"]

    def __init__(self, idcrawl=None, proxy=None, *args, **kwargs):
        super(Parik, self).__init__(*args, **kwargs)
        self.start_urls = ['http://www.ooshop.com/courses-en-ligne/Home.aspx']

    def parse(self, response):
        print response.css('body').extract_first()

但我没有第一页，我有一个空的 iframe

2016-09-06 19:09:24 [scrapy] DEBUG: Crawled (200) <GET http://www.ooshop.com/courses-en-ligne/Home.aspx> (referer: None)
<body>
<iframe style="display:none;visibility:hidden;" src="//content.incapsula.com/jsTest.html" id="gaIframe"></iframe>
</body>
2016-09-06 19:09:24 [scrapy] INFO: Closing spider (finished)

Answer 1

该网站受网站安全服务 Incapsula 保护。它为您的 "browser" 提供了一个挑战，它必须先完成挑战，然后才能获得一个特殊的 cookie，让您可以访问网站本身。

幸运的是，绕过它并不难。安装incapsula-cracker并安装其下载器中间件：

DOWNLOADER_MIDDLEWARES = {
    'incapsula.IncapsulaMiddleware': 900
}

为什么 Scrapy returns 一个 Iframe？

Why Scrapy returns an Iframe?

python

iframe

web-crawler

scrapy

web-scraping