Python爬虫从入门到精通:（15）模拟登陆

本文主要是介绍Python爬虫从入门到精通:（15）模拟登陆_Python涛哥，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

模拟登陆

模拟登陆流程：

对点击登陆按钮对应的请求进行发送(post请求)
处理请求参数：
- 用户名
- 密码
- 验证码
- 其他的防伪参数

1. 模拟古诗文网登陆

url = https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx

不急，我们先来登陆一下获取网页的请求的参数（自行注册先哦）：

在这里插入图片描述

点击登陆成功后，我们看下源代码：

在这里插入图片描述

我们看到，请求传递了 from email pwd code 登参数。我们来写下请求代码：

logging_url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'data = {'__VIEWSTATE': 'TYrcSZVBcsrK06o1w3zD9LM9zKm2tkckwnArGUc/bevM7LJgxzZZBzrDm7OFiUftVmdPWjlgAPQck3od+jCovr/m48jr816FNS/X/AG1QxQrJZh5VMFiw8k4Q6s=','__VIEWSTATEGENERATOR': 'C93BE1AE','from': 'http://so.gushiwen.cn/user/collect.aspx','email': 'xxx.com','pwd': 'xxx','code': 'UDSS',  # 验证码'denglu': '登录'
}

我们知道，验证码是动态变化的，所以我们定义个变量，改下这句代码:

'code': code_text,  # 验证码动态变化

这样，我们就简单的写了模拟登陆的开始代码.

2. 验证码识别

这里，我们利用之前学习的验证码识别课程代码进行识别:

上节课网址:验证码识别

import requests
from lxml import etree
from hashlib import md5# 识别过程的类（打码平台的API。不用管，直接复制）
class Chaojiying_Client(object):def __init__(self, username, password, soft_id):self.username = usernamepassword = password.encode('utf8')self.password = md5(password).hexdigest()self.soft_id = soft_idself.base_params = {'user': self.username,'pass2': self.password,'softid': self.soft_id,}self.headers = {'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}def PostPic(self, im, codetype):"""im: 图片字节codetype: 题目类型 参考 http://www.chaojiying.com/price.html"""params = {'codetype': codetype,}params.update(self.base_params)files = {'userfile': ('ccc.jpg', im)}r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', data=params, files=files,headers=self.headers)return r.json()def ReportError(self, im_id):"""im_id:报错题目的图片ID"""params = {'id': im_id,}params.update(self.base_params)r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', data=params, headers=self.headers)return r.json()# 我们定义一个函数，用来识别  
def tranformImgCode(imgPath, imgType):chaojiying = Chaojiying_Client(id, pwd, 软件ID)im = open(imgPath, 'rb').read()print(chaojiying.PostPic(im, imgType))return chaojiying.PostPic(im, imgType)['pic_str']

上面代码是识别的过程，直接复制，参数改为自己的id pwd 软件ID。

如何识别古诗文网登陆的验证码呢？

(1) 我们先要获取验证码图片

先来分析下登录页：

在这里插入图片描述

我们看到了验证码图片所在的标签，直接右键复制xpath，写进代码里

# 登录页的网址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'page_text = requests.get(url=url, headers=headers).text# 解析验证码图片的地址.
tree = etree.HTML(page_text)
img_src = 'https://so.gushiwen.cn' + tree.xpath('//*[@id="imgCode"]/@src')[0]  # 这里我们可以利用浏览器工具复制xpath# 将验证码图片保存到本地
img_data = requests.get(url=img_src, headers=headers).content
with open('./code.jpg', 'wb') as f:f.write(img_data)

(2) 识别验证码

code_text = tranformImgCode('./code.jpg', 1902)
print(code_text)

(3) 验证码可以识别了，现在我们就来登陆试试：

# 对点击登陆按钮发起请求:获取了登录成功后对应的页面源码数据
page_text_login = requests.post(url=logging_url, data=data, headers=headers).text# 保存网页
with open('./gushiwen.html', 'w', encoding='utf-8') as f:f.write(page_text_login)

在这里插入图片描述

额，我们发现，代码运行后并没有登陆成功，这是什么原因呢？

3. 携带cookie登陆

前面课程我们学习过了cookie，可能猜到这个网站设置了cookie反爬！那我们带上cookie来试试看

Cookie:课程

分析：

模拟登陆失败两种情况：

cookie
验证码

验证码我们刚才获取过了，所以不可能是验证码问题。我们考虑下cookie:

session = requests.Session()### 中间代码省略# 对点击登陆按钮发起请求:获取了登录成功后对应的页面源码数据
page_text_login = session.post(url=logging_url, data=data, headers=headers).text
with open('./gushiwen.html', 'w', encoding='utf-8') as f:f.write(page_text_login)

现在我们发现，用session后，登陆成功了

在这里插入图片描述

4. 完整代码如下:

import requests
from lxml import etree
from hashlib import md5### 验证码识别平台 代码省略headers = {'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/93.0.4577.82 Safari/537.36'
}# 定义一个session对象
session = requests.Session()url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.aspx'
page_text = session.get(url=url, headers=headers).text# 解析验证码图片的地址.
tree = etree.HTML(page_text)
img_src = 'https://so.gushiwen.cn' + tree.xpath('//*[@id="imgCode"]/@src')[0]  # 这里我们可以利用浏览器工具复制# 将验证码图片保存到本地
img_data = session.get(url=img_src, headers=headers).content
with open('./code.jpg', 'wb') as f:f.write(img_data)# 识别验证码
code_text = tranformImgCode('./code.jpg', 1902)
print(code_text)logging_url = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
data = {'__VIEWSTATE': 'TYrcSZVBcsrK06o1w3zD9LM9zKm2tkckwnArGUc/bevM7LJgxzZZBzrDm7OFiUftVmdPWjlgAPQck3od+jCovr/m48jr816FNS/X/AG1QxQrJZh5VMFiw8k4Q6s=','__VIEWSTATEGENERATOR': 'C93BE1AE','from': 'http://so.gushiwen.cn/user/collect.aspx','email': 'xxx@163.com','pwd': 'xxx','code': code_text,  # 动态变化'denglu': '登录'
}# 对点击登陆按钮发起请求:获取了登录成功后对应的页面源码数据
page_text_login = session.post(url=logging_url, data=data, headers=headers).text
with open('./gushiwen.html', 'w', encoding='utf-8') as f:f.write(page_text_login)

5.扩展知识

在请求参数中如果看到了一组乱序的请求参数，最好去验证这组请求参数是否为动态变化的。

例如上述代码的：

'__VIEWSTATE': 'TYrcSZVBcsrK06o1w3zD9LM9zKm2tkckwnArGUc/bevM7LJgxzZZBzrDm7OFiUftVmdPWjlgAPQck3od+jCovr/m48jr816FNS/X/AG1QxQrJZh5VMFiw8k4Q6s=','__VIEWSTATEGENERATOR': 'C93BE1AE',

虽然这次登陆成功了，但并不确定它们是否就是登陆的必要参数。所以，遇到此类参数，最好验证。

如何验证呢？