爬取網(wǎng)站時經(jīng)常會遇到需要登錄的問題,這是就需要用到模擬登錄的相關方法。python提供了強大的url庫,想做到這個并不難。這里以登錄學校教務系統(tǒng)為例,做一個簡單的例子。
首先得明白cookie的作用,cookie是某些網(wǎng)站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數(shù)據(jù)。因此我們需要用Cookielib模塊來保持網(wǎng)站的cookie。
這個是要登陸的地址 http://202.115.80.153/ 和驗證碼地址 http://202.115.80.153/CheckCode.aspx
可以發(fā)現(xiàn)這個驗證碼是動態(tài)更新的每次打開都不一樣,一般這種驗證碼和cookie是同步的。其次想識別驗證碼肯定是吃力不討好的事,因此我們的思路是首先訪問驗證碼頁面,保存驗證碼、獲取cookie用于登錄,然后再直接向登錄地址post數(shù)據(jù)。
首先通過抓包工具或者火狐或者谷歌瀏覽器分析登錄頁面需要post的request和header信息。以谷歌瀏覽器為例。
從中可以看出需要post的url并不是訪問的頁面,而是http://202.115.80.153/default2.aspx,
其中需要提交的表單數(shù)據(jù)中txtUserName和TextBox2分別用戶名和密碼。
現(xiàn)在直接到關鍵部分 上代碼!!
import urllib2 import cookielib import urllib import re import sys '''模擬登錄''' reload(sys) sys.setdefaultencoding("utf-8") # 防止中文報錯 CaptchaUrl = "http://202.115.80.153/CheckCode.aspx" PostUrl = "http://202.115.80.153/default2.aspx" # 驗證碼地址和post地址 cookie = cookielib.CookieJar() handler = urllib2.HTTPCookieProcessor(cookie) opener = urllib2.build_opener(handler) # 將cookies綁定到一個opener cookie由cookielib自動管理 username = 'username' password = 'password123' # 用戶名和密碼 picture = opener.open(CaptchaUrl).read() # 用openr訪問驗證碼地址,獲取cookie local = open('e:/image.jpg', 'wb') local.write(picture) local.close() # 保存驗證碼到本地 SecretCode = raw_input('輸入驗證碼: ') # 打開保存的驗證碼圖片 輸入 postData = { '__VIEWSTATE': 'dDwyODE2NTM0OTg7Oz6pH0TWZk5t0lupp/tlA1L+rmL83g==', 'txtUserName': username, 'TextBox2': password, 'txtSecretCode': SecretCode, 'RadioButtonList1': '學生', 'Button1': '', 'lbLanguage': '', 'hidPdrs': '', 'hidsc': '', } # 根據(jù)抓包信息 構造表單 headers = { 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 'Accept-Language': 'zh-CN,zh;q=0.8', 'Connection': 'keep-alive', 'Content-Type': 'application/x-www-form-urlencoded', 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36', } # 根據(jù)抓包信息 構造headers data = urllib.urlencode(postData) # 生成post數(shù)據(jù) ?key1=value1&key2=value2的形式 request = urllib2.Request(PostUrl, data, headers) # 構造request請求 try: response = opener.open(request) result = response.read().decode('gb2312') # 由于該網(wǎng)頁是gb2312的編碼,所以需要解碼 print result # 打印登錄后的頁面 except urllib2.HTTPError, e: print e.code # 利用之前存有cookie的opener登錄頁面
登錄成功后便可以利用該openr訪問其他需要登錄才能訪問的頁面。
更多文章、技術交流、商務合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯(lián)系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
