Python爬蟲模擬登錄帶驗證碼網(wǎng)站

更新時間：2016年01月22日 15:21:48 投稿：mrr

這篇文章主要介紹了Python爬蟲模擬登錄帶驗證碼網(wǎng)站的相關(guān)資料,需要的朋友可以參考下

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(guān)方法。python提供了強(qiáng)大的url庫，想做到這個并不難。這里以登錄學(xué)校教務(wù)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(jìn)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(guān)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(xué)生',
'Button1': '',
'lbLanguage': '',
'hidPdrs': '',
'hidsc': '',
}
# 根據(jù)抓包信息 構(gòu)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(gòu)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(gòu)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。

您可能感興趣的文章: