【发布时间】:2022-01-22 11:16:42
【问题描述】:
我是一名新手程序员,试图通过自动将 .ict 文件转换为 .csv 文件来加速数据分析过程。
我正在尝试创建一个 Python 程序,该程序可以轻松地将 .ict 文件从 NASA 的 Earthdata 网站转换为 .csv 文件以进行数据分析。我计划通过创建一个数据抓取器来访问这些文件来做到这一点,但它们位于用户身份验证墙的后面。我计划访问的数据集可在此链接中找到: https://asdc.larc.nasa.gov/data/AJAX/O3_1/2018/02/28/AJAX-O3_ALPHA_20180228_R1_F220.ict
这是我从https://curlconverter.com/# 收集并添加的代码,用于将数据发送到“登录”我的会话:
import requests
from bs4 import BeautifulSoup
cookies = {
'_ga': '',
'_gid': '',
'_gat_GSA_ENOR0': '1',
'_gat_UA-62340125-1': '1',
'_gat_eui_tracker': '1',
'_gat_UA-50960810-3': '1',
'_urs-gui_session': '',
'_gat_UA-62340125-2': '1',
}
headers = {
'Connection': 'keep-alive',
'Cache-Control': 'max-age=0',
'sec-ch-ua': '" Not A;Brand";v="99", "Chromium";v="96", "Google Chrome";v="96"',
'sec-ch-ua-mobile': '?0',
'sec-ch-ua-platform': '"macOS"',
'Upgrade-Insecure-Requests': '1',
'Origin': 'https://urs.earthdata.nasa.gov',
'Content-Type': 'application/x-www-form-urlencoded',
'User-Agent': '',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
'Sec-Fetch-Site': 'same-origin',
'Sec-Fetch-Mode': 'navigate',
'Sec-Fetch-User': '?1',
'Sec-Fetch-Dest': 'document',
'Referer': 'https://urs.earthdata.nasa.gov/oauth/authorize?response_type=code&client_id=OLpAZlE4HqIOMr0TYqg7UQ&redirect_uri=https%3A%2F%2Fd53njncz5taqi.cloudfront.net%2Furs_callback&state=https%3A%2F%2Fsearch.earthdata.nasa.gov%2Fsearch%3Fee%3Dprod',
'Accept-Language': 'en-US,en;q=0.9',
}
data = {
'utf8': '',
'authenticity_token': '',
'username': '',
'password': '',
'client_id': '',
'redirect_uri': '',
'response_type': 'code',
'state': 'https://search.earthdata.nasa.gov/search?ee=prod',
'stay_in': '1',
'commit': 'Log in'
}
response = requests.post('https://urs.earthdata.nasa.gov/login', headers=headers, cookies=cookies, data=data)
s = requests.Session()
s.post('https://urs.earthdata.nasa.gov/login', headers=headers, cookies=cookies, data=data)
response = s.get("https://asdc.larc.nasa.gov/data/AJAX/O3_1/2018/02/28/AJAX-O3_ALPHA_20180228_R1_F220.ict")
response
result = requests.get('https://asdc.larc.nasa.gov/data/AJAX/O3_1/2018/02/28/AJAX-O3_ALPHA_20180228_R1_F220.ict')
result.status_code
result.headers
content = result.content
soup = BeautifulSoup(content, features='lxml')
print(soup.prettify())
此打印功能将我引导至登录页面的 HTML 代码。有谁知道如何通过 Python 访问登录另一端的数据?
【问题讨论】:
-
在提交登录表单时,您是否在 POST 请求中尝试过
allow_redirects标志? -
我更新了
response = requests.post('https://urs.earthdata.nasa.gov/login', headers=headers, cookies=cookies, data=data, allow_redirects=True)这一行,但程序仍然指向登录页面。
标签: python ajax web-scraping