Python爬虫模拟登录带验证码网站

python教程

共 2400字,需浏览 5分钟

 ·

2021-06-30 20:24

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。

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 urllib2import cookielibimport urllibimport reimport 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cookielocal = 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headersdata = 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。

搜索下方加老师微信

老师微信号:XTUOL1988切记备注学习Python

领取Python web开发,Python爬虫,Python数据分析,人工智能等精品学习课程。带你从零基础系统性的学好Python!

*声明:本文于网络整理,版权归原作者所有,如来源信息有误或侵犯权益,请联系我们删除或授权


浏览 24
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报