Python爬虫模拟登录带验证码网站_Python

爬取网站时经常会遇到需要登录的问题，这是就需要用到模拟登录的相关方法。python提供了强大的url库，想做到这个并不难。这里以登录学校教务系统为例，做一个简单的例子。

首先得明白cookie的作用，cookie是某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据。因此我们需要用Cookielib模块来保持网站的cookie。

这个是要登陆的地址 http://202.115.80.153/ 和验证码地址 http://202.115.80.153/CheckCode.aspx

可以发现这个验证码是动态更新的每次打开都不一样，一般这种验证码和cookie是同步的。其次想识别验证码肯定是吃力不讨好的事，因此我们的思路是首先访问验证码页面，保存验证码、获取cookie用于登录，然后再直接向登录地址post数据。

首先通过抓包工具或者火狐或者谷歌浏览器分析登录页面需要post的request和header信息。以谷歌浏览器为例。

Python爬虫模拟登录带验证码网站

从中可以看出需要post的url并不是访问的页面，而是http://202.115.80.153/default2.aspx，

其中需要提交的表单数据中txtUserName和TextBox2分别用户名和密码。

现在直接到关键部分上代码！！

									import urllib2

									import cookielib

									import urllib

									import re

									import sys

									'''模拟登录'''

									reload(sys)

									sys.setdefaultencoding("utf-8")

									# 防止中文报错

									CaptchaUrl = "http://202.115.80.153/CheckCode.aspx"

									PostUrl = "http://202.115.80.153/default2.aspx"

									# 验证码地址和post地址

									cookie = cookielib.CookieJar()

									handler = urllib2.HTTPCookieProcessor(cookie)

									opener = urllib2.build_opener(handler)

									# 将cookies绑定到一个opener cookie由cookielib自动管理

									username = 'username'

									password = 'password123'

									# 用户名和密码

									picture = opener.open(CaptchaUrl).read()

									# 用openr访问验证码地址,获取cookie

									local = open('e:/image.jpg', 'wb')

									local.write(picture)

									local.close()

									# 保存验证码到本地

									SecretCode = raw_input('输入验证码： ')

									# 打开保存的验证码图片 输入

									postData = {

									'__VIEWSTATE': 'dDwyODE2NTM0OTg7Oz6pH0TWZk5t0lupp/tlA1L+rmL83g==',

									'txtUserName': username,

									'TextBox2': password,

									'txtSecretCode': SecretCode,

									'RadioButtonList1': '学生',

									'Button1': '',

									'lbLanguage': '',

									'hidPdrs': '',

									'hidsc': '',

									}

									# 根据抓包信息 构造表单

									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',

									}

									# 根据抓包信息 构造headers

									data = urllib.urlencode(postData)

									# 生成post数据 ?key1=value1&key2=value2的形式

									request = urllib2.Request(PostUrl, data, headers)

									# 构造request请求

									try:

									response = opener.open(request)

									result = response.read().decode('gb2312')

									# 由于该网页是gb2312的编码，所以需要解码

									print result

									# 打印登录后的页面

									except urllib2.HTTPError, e:

									print e.code

									# 利用之前存有cookie的opener登录页面

登录成功后便可以利用该openr访问其他需要登录才能访问的页面。

Python爬虫模拟登录带验证码网站

相关文章

热门资讯