爬虫模拟登录

模拟登录这块我本来试着scrapy,但是我觉得真的很不灵活,倒腾了半天,也不行。后来还是用了我之前写的代码,用requests模块模拟。requests模块特别好用,比urllib2以及其他的都好用(至少我是这么觉得地)。
模拟登录其实主要掌握了几点,就很好下手。

  1. 要抓住真正要登录的URL;
  2. 要拿到要post的表单数据Form data,一般是以字典形式;
  3. 填写好header,有的网站可能会认证User-Agent,Host,Referer等等请求头。

下面就来逐步说说我写模拟登录的过程。 想要拿到上面说到的数据,应该抓包分析,可以直接使用火狐的firebug插件或者chrome浏览器直接分析。

目标网站:http://zhixing.bjtu.edu.cn/portal.php

先打开分析工具,自己填写账号信息,登录。注意,分析工具要设置保存log ,因为有些网站是登录后跳转,会把post那个log删除。我填好后提交之后得到了下面结果:

然后再看下提交的表单数据:

请求头:

至此,我们已经拿到了所有需要的数据,现在开始模拟。

我们使用requests模块,该模块有Session类,很管用。Session类对象让你能够跨请求保持某些参数,它也会在同一个 Session 实例发出的所有请求之间保持cookies.也就是说用一个session默认保存了cookie,不用认为去处理cookie,很方便 。

注意我的代码,session方法很简单,而用urllib2方法也可以实现目的,但是很麻烦。我这里的headers是我在类中定义的属性,就不过细赘述。我这里返回cookie,是为了给我的scrapy使用的,可忽略。

执行完上述操作后,我们就可以对需要登录才能访问的界面进行爬取了。

我上面使用Beautifulsoup进行页面分析了。

看了上述操作,你肯定也会有感触,requests很好用。

说了上面的模拟登录,有人会说太麻烦,每次都要自己寻找posturl,formdata等等一大堆,他们提出直接手动登录,然后获取响应头中的cookie,这样很方便。但这最大的问题就是cookie是存在有效期,过期后就不好用了,而且作为程序员,怎么能允许自己总是手动这么low的方式存在呢,所以还是一劳永逸的好。获得cookie之后,你别的地方也完全可以使用该cookie进行登录。我在scrapy中就将requests与其结合了。

在scrapy中获取到cookies之后,就可以随心所欲的进行爬取啦!

介绍完了模拟登录,后续要开始研究对动态加载页面的爬取知识。

打赏支持我写出更多好文章,谢谢!

打赏作者

打赏支持我写出更多好文章,谢谢!

任选一种支付方式

3 8 收藏 1 评论

关于作者:王海波

热爱Python,希望能一直做自己热爱的事! 个人主页 · 我的文章 · 13 ·    

相关文章

可能感兴趣的话题



直接登录
最新评论
跳到底部
返回顶部