python3的爬虫笔记4——GET和POST（2）

上次笔记中我们说到，POST常用于帐号密码的登录，但现在很多网站的登录是需要验证码的，这给我们的爬虫之旅增加了一些难度。这里我们先忽略掉验证码，选取一个不需要验证码的网站进行测试。
这里以厦门大学师生系统（ http://ssfw.xmu.edu.cn/cmstar/index.portal ）的登录为例：

登陆界面.png

打开我们的谷歌浏览器插件Fiddler，先clear一下。我们随便填个邮箱（比如[email protected]）和密码（123456）登录下，看看浏览器和服务端进行了怎样的“交易”。

Fiddler.png

可以看到POST类型中的Form Data中出现了一写字典一样的东西，这些数据就是浏览器POST给服务端的数据。我们把关键的地方放大再看看：

Fiddler.png

这中间还有一个关键的数据，就是Request URL，他表示我们实际的登录地址。
那么差不多了，我们来试试看怎么写一个POST的代码吧。
（1）方法一使用requests模块

import requests
#取我们从Fiddler中得到的Request URL
url='http://ssfw.xmu.edu.cn/cmstar/userPasswordValidate.portal'
#将POST需要的参数放入data字典中
data = {}
data['Login.Token1'] = 'xxxxxxxx'  #帐号
data['Login.Token2'] = 'xxxxxx'  #密码
data['goto'] = 'http: // ssfw.xmu.edu.cn / cmstar / loginSuccess.portal'
data['gotoOnFail'] = 'http: // ssfw.xmu.edu.cn / cmstar / loginFailure.portal'
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.103 Safari/537.36', 'Connection':'keep-alive'}
#用POST的方法进行参数传递
response = requests.post(url=url, data=data, headers=headers)
html = response.text
print(html)

（2）方法二使用urllib模块

import urllib.request
import urllib.parse
#取我们从Fiddler中得到的Request URL
login_url = 'http://ssfw.xmu.edu.cn/cmstar/userPasswordValidate.portal'
headers = {'User-Agnet': 'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36', 'Connection': 'keep-alive'}
#将POST需要的参数放入values字典中
values = {}
values['Login.Token1'] = 'xxxxxxxx'  #帐号
values['Login.Token2'] = 'xxxxxxx'  #密码
values['goto'] = 'http: // ssfw.xmu.edu.cn / cmstar / loginSuccess.portal'
values['gotoOnFail'] = 'http: // ssfw.xmu.edu.cn / cmstar / loginFailure.portal'
#由于Request中的data参数必须是bytes二进制形式，用urlencode将字典转换成str，再encode编码成二进制。
data = urllib.parse.urlencode(values).encode('utf-8')
request = urllib.request.Request(url=login_url, data=data, headers=headers)
response = urllib.request.urlopen(request)
html = response.read().decode('utf-8')
print(html)

登录成功时，显示

登录失败时，显示