asp.net – 如何向python中的.aspx页面提交查询

我需要从.aspx网页上查询查询结果。

http://legistar.council.nyc.gov/Legislation.aspx

网址是静态的，那么如何向这个页面提交查询并获得结果？假设我们需要从各自的下拉菜单中选择“所有年份”和“所有类型”。

有人必须知道如何做到这一点。

解决方法

作为概述，您将需要执行四个主要任务：

>向网站提交请求，
>从站点检索响应
>来解析这些响应
>有一些逻辑来迭代上面的任务，与导航相关的参数(到结果列表中的“下一个”页面)

http请求和响应处理使用Python标准库的urllib和urllib2中的方法和类来完成.html页面的解析可以使用Python的标准库HTMLParser或其他模块，如Beautiful Soup

以下代码段演示了在问题中指出的站点上请求和接收搜索。该网站是ASP驱动的，因此我们需要确保我们发送几个表单域，其中一些具有“可怕”值，因为ASP逻辑使用这些字段来维护状态并在一定程度上验证请求。确实提交。必须使用http POST方法发送请求，因为这是ASP应用程序的预期。主要的困难在于识别ASP期望的表单域和相关值(使用Python获取页面很容易)。

这个代码是有效的，更确切地说是功能，直到我删除了大部分的VSTATE值，并且可能通过添加注释引入了一个或两个。

import urllib
import urllib2

uri = 'http://legistar.council.nyc.gov/Legislation.aspx'

#the http headers are useful to simulate a particular browser (some sites deny
#access to non-browsers (bots,etc.)
#also needed to pass the content type. 
headers = {
    'HTTP_USER_AGENT': 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.13) Gecko/2009073022 Firefox/3.0.13','HTTP_ACCEPT': 'text/html,application/xhtml+xml,application/xml; q=0.9,*/*; q=0.8','Content-Type': 'application/x-www-form-urlencoded'
}

# we group the form fields and their values in a list (any
# iterable,actually) of name-value tuples.  This helps
# with clarity and also makes it easy to later encoding of them.

formFields = (
   # the viewstate is actualy 800+ characters in length! I truncated it
   # for this sample code.  It can be lifted from the first page
   # obtained from the site.  It may be ok to hardcode this value,or
   # it may have to be refreshed each time / each day,by essentially
   # running an extra page request and parse,for this specific value.
   (r'__VSTATE',r'7TzretNIlrZiKb7EOB3AQE ... ...2qd6g5xD8CGXm5EftXtNPt+H8B'),# following are more of these ASP form fields
   (r'__VIEWSTATE',r''),(r'__EVENTVALIDATION',r'/wEWDwL+raDpAgKnpt8nAs3q+pQOAs3q/pQOAs3qgpUOAs3qhpUOAoPE36ANAve684YCAoOs79EIAoOs89EIAoOs99EIAoOs39EIAoOs49EIAoOs09EIAoSs99EI6IQ74SEV9n4XbtWm1rEbB6Ic3/M='),(r'ctl00_RadScriptManager1_HiddenField',''),(r'ctl00_tabTop_ClientState',(r'ctl00_ContentPlaceHolder1_menuMain_ClientState',(r'ctl00_ContentPlaceHolder1_gridMain_ClientState',#but then we come to fields of interest: the search
   #criteria the collections to search from etc.
                                                       # Check boxes  
   (r'ctl00$ContentPlaceHolder1$chkOptions$0','on'),# file number
   (r'ctl00$ContentPlaceHolder1$chkOptions$1',# Legislative text
   (r'ctl00$ContentPlaceHolder1$chkOptions$2',# attachement
                                                       # etc. (not all listed)
   (r'ctl00$ContentPlaceHolder1$txtSearch','york'),# Search text
   (r'ctl00$ContentPlaceHolder1$lstYears','All Years'),# Years to include
   (r'ctl00$ContentPlaceHolder1$lstTypeBasic','All Types'),#types to include
   (r'ctl00$ContentPlaceHolder1$btnSearch','Search Legislation')  # Search button itself
)

# these have to be encoded    
encodedFields = urllib.urlencode(formFields)

req = urllib2.Request(uri,encodedFields,headers)
f= urllib2.urlopen(req)     #that's the actual call to the http site.

# *** here would normally be the in-memory parsing of f 
#     contents,but instead I store this to file
#     this is useful during design,allowing to have a
#     sample of what is to be parsed in a text editor,for analysis.

try:
  fout = open('tmp.htm','w')
except:
  print('Could not open output file\n')

fout.writelines(f.readlines())
fout.close()

这是关于获取初始页面的。如上所述，然后需要解析页面，即找到感兴趣的部分并适当地收集它们，并将它们存储到文件/数据库/ whereever。这个工作可以通过很多方式完成：使用html解析器，或XSLT类型的技术(确实在解析html到xml之后)，甚至是粗略的作业，简单的正则表达式。而且，通常提取的一个项目是“下一个信息”，即可以在服务器的新请求中使用以获得后续页面的各种链接。

这应该给你一个粗俗的味道，“长手”html刮擦是关于。还有许多其他方法，例如Mozilla(FireFox)GreaseMonkey插件，XSLT中的专用工具，脚本

asp.net – 如何向python中的.aspx页面提交查询

解决方法

相关推荐