python爬虫之模拟登陆csdn的实例代码

2023-09-12 16:30:04 56

python模拟登陆网页主要使用到urllib、urllib2、cookielib及BeautifulSoup等基本模块，当然进阶阶段我们还可以使用像requests等更高级一点的模块。其中BeautifulSoup模块在匹配html方面，可以很好的代替re，使用起来更方便，对于不会使用正则的人来说是福音。

本文使用python2.7

原理

模拟登陆前，我们需要先知道csdn是如何登陆的。我们通过googlechrome浏览器先来分析下：

1.chrome浏览器用F12或ctrl+shift+I启动开发者工具，并访问csdn登陆页面，在开发者工具中对”Preserverlog”选项打勾，表示跳转时不清楚之前的访问记录。

2.输入用户名密码后，网页进行跳转，此时我们查看访问记录中Method为POST的链接的headers，可以看到

Requestheader：

Cache-Control:no-cache
Cache-Control:no-store
Connection:keep-alive
Content-Encoding:gzip
Content-Type:text/html;charset=UTF-8
Date:Fri,05Aug201603:51:56GMT
Expires:Thu,01Jan197000:00:00GMT
Keep-Alive:timeout=20
Pragma:no-cache
Server:openresty
Set-Cookie:UD=%E4%BB%8A%E5%A4%A9%E4%B8%8D%E8%B5%B0%EF%BC%8C%E6%98%8E%E5%A4%A9%E5%8D%B3%E4%BD%BF%E8%B7%91%E4%B9%9F%E4%B8%8D%E4%B8%80%E5%AE%9A%E8%B7%9F%E5%BE%97%E4%B8%8A%EF%BC%81;Domain=.csdn.net;Path=/
Set-Cookie:UserName=yanggd1987;Domain=.csdn.net;Path=/
Set-Cookie:UserInfo=RjXwn4OfICh68ZVTzEjJxlcez5O%2B8RMsVvAiTV6uo4n4q1orcuBFZz29qx%2BUZ7JPFQQivvFGwFaC97NpT%2FKhtcZ2U%2B%2BzivoNtu5nTyg717xzimpeHcoutwnMg%2F5S8ZlARzA8H48TOftvUJUB0mxylQ%3D%3D;Domain=.csdn.net;Path=/
Set-Cookie:UserNick=man8er;Domain=.csdn.net;Path=/
Set-Cookie:AU=A3E;Domain=.csdn.net;Path=/
Set-Cookie:CASTGC=TGT-63516-e4e600adR5WiJAFintPeHqNCpGRvO9w7nHBYtY5XUCc2BPCCcG-passport.csdn.net;Path=/;Secure
Set-Cookie:UN=yanggd1987;Domain=.csdn.net;Expires=Sat,05-Aug-201703:51:55GMT;Path=/
Set-Cookie:UE="yanggd1987@163.com";Version=1;Domain=.csdn.net;Max-Age=31536000;Expires=Sat,05-Aug-201703:51:55GMT;Path=/
Set-Cookie:BT=1470369115868;Domain=.csdn.net;Expires=Sat,05-Aug-201703:51:55GMT;Path=/
Set-Cookie:access-token=0bd99cf6-c5bf-4683-89b8-9d8678bebff9;Domain=.csdn.net;Path=/
Transfer-Encoding:chunked
Vary:Accept-Encoding

有以上可以看出登陆过程中有cookie

POST提交的数据：

username:XXXXXXXXX
password:XXXXXXXXX
lt:LT-52961-eMo02Bz4tlj3wQz4QMuO173GCIdsqE
execution:e15s1
_eventId:submit

其中username和password表示我们登陆的账户和密码，那lt、execution表示什么呢？不要急，我们看看登陆页面网站的源代码：






下次自动登录


忘记密码

上面注释的内容就是说明参数lt和execution的，就是在登陆过程中webflow会动态分配一个流水号LT-53452-VLvC2gjfxdj4jheoUJQRkIXgoDZfc3，我们只用获取到这个流水号才能够进行登陆。

从上面通过chrome分析得到，登陆csdn必须有cookie并且获取到webflow分配的流水号；；并且访问时必须有user-agent，否则客户端会被屏蔽。

实现

1.由于我们的系统是centos6.5，默认使用python2.6，因此我们需要先安装python2.7并安装相关第三方模块

(1)yum安装

rpm-Uvhhttps://centos6.iuscommunity.org/ius-release.rpm
yum-yinstallpython27python27-develpython27-pippython27-setuptools

#安装相关第三方模块

pip2.7installbeautifulsoup4
pip2.7installlxml

(2)编译安装

安装python.2.7

wgethttps://www.python.org/ftp/python/2.7.12/Python-2.7.12.tgz
tar-zxvfPython-2.7.12.tgz
cdPython-2.7.12
./configure--prefix=/usr/local/python2.7
make&&makeinstall
#环境变量
vim/etc/profile
exportPATH=/usr/local/python2.7/bin:$PATH
source/etc/profile
#安装setuptools
wgethttps://pypi.python.org/packages/46/db/baa571da945ff731f3739a119574e89b12add9b05c03842103bd641d0990/setuptools-25.1.3.tar.gz#md5=0dcb9990901cb6e9631db195d4e775a7
tar-zxvfsetuptools-25.1.3.tar.gz
cdsetuptools-25.1.3
python2.7setup.pyinstall
#安装pip
wgethttps://pypi.python.org/packages/e7/a8/7556133689add8d1a54c0b14aeff0acb03c64707ce100ecd53934da1aa13/pip-8.1.2.tar.gz#md5=87083c0b9867963b29f7aba3613e8f4a
tar-zxvfpip-8.1.2.tar.gz
cdpip-8.1.2
python2.7setup.pyinstall
#安装相关第三方模块
pip2.7installbeautifulsoup4
pip2.7installlxml

注意：通过编译安装的pip2.7安装lxml会报错，因此还是建议使用yum安装的pip2.7

2.代码实现

vimcsdn_login.py
#!/usr/bin/envpython2.7
#-*-coding:utf-8-*-

importurllib
importurllib2
importcookielib
frombs4importBeautifulSoup

filename='cookie_csdn.txt'
#声明一个MozillaCookieJar对象实例来保存cookie，之后写入文件
cookie=cookielib.MozillaCookieJar(filename)
#利用urllib2库的HTTPCookieProcessor对象来创建cookie处理器
handler=urllib2.HTTPCookieProcessor(cookie)
#通过handler来构建opener
opener=urllib2.build_opener(handler)

loginurl="https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn"

#登陆前准备：获取lt和exection
response=opener.open(loginurl)
soup=BeautifulSoup(response.read(),"lxml")
forinputinsoup.form.find_all("input"):
ifinput.get("name")=="lt":
lt=input.get("value")
ifinput.get("name")=="execution":
execution=input.get("value")
#post信息
values={
"username":"用户名",
"password":"密码",
"lt":lt,
"execution":execution,
"_eventId":"submit"
}
postdata=urllib.urlencode(values)

opener.addheaders=[("User-Agent","Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/51.0.2704.63Safari/537.36")]

#模拟登录,保存cookie到cookie.txt中
result=opener.open(loginurl,postdata)

cookie.save(ignore_discard=True,ignore_expires=True)
#登陆后我们随意跳转到博客
url="http://blog.csdn.net/XXXXXXXXX"
result=opener.open(url)

3.运行

python2.7csdn_login.py

至此，当我们登陆后，可以随意指定一个页面进行登陆了。

总结

1.urllib和urllib2配合使用，因为urllib可以将post数据进行encode，而urllib2不可以

2.由于使用cookie、header等，用到了urllib2的基础库opener实现访问等操作，当然也可以使用urllib2.Request(url,data,header)等其他访问方式。

3.每个网站登录方式可能不一样，我们需要根据实际情况分析。

4.模拟登陆是我们通过实战学习python的一种方法，而不是用它来恶意攻击。

以上这篇python爬虫之模拟登陆csdn的实例代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。

python爬虫之模拟登陆csdn的实例代码

热门推荐

随机推荐