為什么要模擬登陸？

Python網絡爬蟲應用十分廣泛，但是有些網頁需要用戶登陸后才能獲取到信息，所以我們的爬蟲需要模擬用戶的登陸行為，在登陸以后保存登陸信息，以便瀏覽該頁面下的其他頁面。

保存用戶信息

模擬登陸后有兩種方法可以保存用戶信息，通過Session來保存登陸信息或者通過Cookie來保存登陸信息

一、Session的用法

# 導入requests模塊

import requests

# 通過requests的Session來請求網頁

s = requests.Session()

r = s.post(url, headers=headers)

二、Cookie的用法

import urllib.request, http.cookiejar

# 初始化Cookie

cookie = http.cookiejar.CookieJar()

opener = urllib.request.build_opener(urllib.request.HTTPCookieProcessor(cookie))

# 把opener配置為全局 當然也可以不配置全局通過opener來請求網頁

urllib.request.install_opener(opener)

模擬登陸實踐

我們以豆瓣網為例模擬用戶登陸，然后爬取登陸后的用戶界面

(1)找到請求表單

登陸一般是通過Post請求來實現的，其傳遞參數為一個表單，如果要成功登陸，我們需要查看該表單傳遞了哪些內容，然后構造表單做Post請求。怎么獲取表單了，我們只需要打開瀏覽器右鍵查看，然后輸入賬號密碼，點擊登陸查看其NetWork中的請求，找到表單信息即可(推薦使用谷歌瀏覽器)，該信息中還能找到請求的url。

表單信息

歡迎大家加入小編創建的Python行業交流群，有大牛答疑，有資源共享，有企業招人！是一個非常不錯的交流基地！群號：683380553

URL

(2)構建表單

表單的key值我們可以通過右鍵頁面檢查頁面源代碼，在頁面源碼中獲得靜態的值(還有些動態信息需要手動獲取)

formdata = {

'redir': 'https://www.douban.com',

'form_email': '賬號',

'form_password': '密碼',

'login': u'登陸'

}

(3)偽裝成瀏覽器進行登錄

我們只需要給請求添加上Headers即可

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '

'Chrome/55.0.2883.87 Safari/537.36'}

(4)獲取驗證碼

第二步的表單其實還不完整，還差兩條跟驗證碼有關的信息，這兩條信息是動態變化的，所以我們要手動獲取

r = s.post(url_login, headers=headers)

content = r.text

soup = BeautifulSoup(content, 'html.parser')

captcha = soup.find('img', id='captcha_image')#當登陸需要驗證碼的時候

if captcha:

captcha_url = captcha['src']

re_captcha_id = r'

captcha_id = re.findall(re_captcha_id, content)

print(captcha_id)

print(captcha_url) # 打印驗證碼url

captcha_text = input('Please input the captcha:') # 手動輸入驗證碼

formdata['captcha-solution'] = captcha_text # 添加表單信息

formdata['captcha-id'] = captcha_id

(5)登錄

r = s.post(url_login, data=formdata, headers=headers) # 將表單信息傳入參數中請求頁面即可登錄

完整代碼

# -*- coding: utf-8 -*-

import requests

import re

from bs4 import BeautifulSoup

s = requests.Session()

url_login = 'https://accounts.douban.com/login'

formdata = {

'redir': 'https://www.douban.com',

'form_email': '賬號',

'form_password': '密碼',

'login': u'登陸'

}

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '

'Chrome/55.0.2883.87 Safari/537.36'}

r = s.post(url_login, data=formdata, headers=headers)

content = r.text

soup = BeautifulSoup(content, 'html.parser')

captcha = soup.find('img', id='captcha_image')#當登陸需要驗證碼的時候

if captcha:

captcha_url = captcha['src']

re_captcha_id = r'

captcha_id = re.findall(re_captcha_id, content)

print(captcha_id)

print(captcha_url)

captcha_text = input('Please input the captcha:')

formdata['captcha-solution'] = captcha_text

formdata['captcha-id'] = captcha_id

r = s.post(url_login, data=formdata, headers=headers)

with open('contacts.html', 'w+', encoding='utf-8') as f:

f.write(r.text)

運行結果

登陸成功

總結

以上是生活随笔為你收集整理的socket模拟http的登陆_Python网络爬虫之模拟登陆 ！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。