临沂网站建设哪家专业,动漫制作专业就业方向,网站建设图片流程图,wordpress博客速度很慢爬取网站时经常会遇到需要登录的问题#xff0c;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#xff0c;想做到这个并不难。这里以登录学校教务系统为例#xff0c;做一个简单的例子。首先得明白cookie的作用#xff0c;cookie是某些网站为了辨别用户身份、…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.aspxPostUrl 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 usernamepassword 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/tlA1LrmL83g,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/xhtmlxml,application/xml;q0.9,image/webp,*/*;q0.8,Accept-Language: zh-CN,zh;q0.8,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 ?key1value1key2value2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。
