基于Python的HTTPS协议模拟登陆+爬取页面

    之前写的一直没成功，原因是用的不是HTTPS相关的函数。这次仔细研究了一下，有几个需要注意的点，一个是POST模拟登陆的时候，header中的cookie值，不同的网站应该会有不同的要求；另一个是GET页面的时候，是需要加上POST得到的response中的set-cookie的。这样才能利用登陆的成功。

    写完POST和GET页面后，顺便写了个简单的命令行实现。

import httplib, urllib
import urllib2
import cookielib
import sys

file_text = "build_change.txt"
resultTable = dict()
host = 'buuuuuuu.knight.com'

def Login(username, password , csrf =  'Gy2O70iSjOTbWhWgBLvf4HDuf4jUe4RP'):
 url = '/login/'
 values = {
   'username' : username,
   'password' : password,
   'next' : '',
   'csrfmiddlewaretoken': csrf,
 }
 
 headers = {
     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.114 Safari/537.36',
     'Content-Type': 'application/x-www-form-urlencoded',
     'Connection' : 'keep-alive',
     'Cookie':'csrftoken=%s' % csrf ,  
     'Referer':'https://buuuuuuu.knight.com/login/',
     'Origin':'https://buuuuuuu.knight.com',
     'Content-Type':'application/x-www-form-urlencoded',
     'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,p_w_picpath/webp,*/*;q=0.8',
 }
 values = urllib.urlencode(values)
 conn = httplib.HTTPSConnection(host, 443)
 conn.request("POST", url, values, headers)
 response = conn.getresponse()
 print 'Login: ', response.status, response.reason
 '''
 hdata = response.getheaders()
 for i in xrange(len(hdata)):
  for j in xrange(len(hdata[i])):
   print hdata[i][j],
  print 
 '''
 return response.getheader("set-cookie")

 
def GetHtml(_url , cookie):
 get_headers = {
     'Host' : 'xxxxx.knight.com',
     'Connection' : 'keep-alive' , 
     'Cache-Control' : 'max-age=0',
     'Cookie' : cookie ,
     'Accept' : 'text/html,application/xhtml+xml,application/xml;q=0.9,p_w_picpath/webp,*/*;q=0.8',
     'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.114 Safari/537.36',
     'Accept-Language' : 'zh-CN,zh;q=0.8,en;q=0.6',
 }
 conn=httplib.HTTPSConnection(host)
 conn.request("GET", _url,None,get_headers)
 res2=conn.getresponse()
 print "Get %s:" % _url ,res2.status, res2.reason
 '''
 hdata1 = res2.getheaders()
 for i in xrange(len(hdata1)):
  for j in xrange(len(hdata1[i])):
   print hdata1[i][j],
  print 
 '''
 data = res2.read()
 fp = open("build_change.txt","w")
 fp.write(data)
 fp.close()

 
def ParseHtml():
 fp = open(file_text,"r")
 content = fp.readline()
 _pos = 0
 while content:  
  if content.find("class=\"change-body\"") >= 0:
   topic = content.split(">")
   resultTable[_pos] = topic[1]
   while content:
    content = fp.readline()
    resultTable[_pos] = resultTable[_pos] + content
    if content.find("

")>= 0:      _pos = _pos + 1      break   content = fp.readline()  fp.close()  print "Parse html success." def GenerateResultTxt():  f = open("build_change_result.txt","w")  for m in resultTable.keys():   f.write("-------------------------------------------------------------------------------------------\n")   f.write(resultTable[m])  f.close()  print "Generate result success : build_change_result.txt ." def Help():  print '-h    :    help'  print '-u    :    username(must)'  print '-p    :    password(must)'  print '-c    :    csrftoken(optional)'  print '-s    :    sandbox build id(must)'  print 'For example:'  print '[1]  python BuildChange.py -h'  print '[2]  python BuildChang.py -u u -p p -s s1 s2'  print '[3]  python BuildChang.py -u u -p p -c c -s s1 s2'   def ParseParam(com):  length = len(com)  username = ""  password = ""  csrf = ""  sid1 = ""  sid2 = ""  if length == 2 or length == 8 or length == 10:   if com[1] == '-h':    Help()   for i in range(1,length):    if com[i] == '-u' and i < (length-1):     username = com[i+1]     i += 1    elif com[i] == '-p' and i < (length-1):     password = com[i+1]     i += 1    elif com[i] == '-c' and i < (length-1):     csrf = com[i+1]     i += 1    elif com[i] == '-s' and i < (length-2):     sid1 = com[i+1]     sid2 = com[i+2]     i += 2  if username == "" or password == "" or sid1 == "" or sid2 == "":   print '[Error] Parameter error!'   print '[Error] You can use \"python BuildChange.py -h\" to see how can use this script. '  else:   if csrf == "":    cookie = Login(username, password)   else:    cookie = Login(username, password, csrf)   _url = "//changelog//between//%s//and//%s/" % (sid1, sid2)   GetHtml(_url, cookie)   ParseHtml()   GenerateResultTxt() # C:\Python27\python.exe C:\Users\knight\Desktop\build\BuildChange.py -u xux -p KKKKKKKK -s 1859409 1858525 if __name__ == "__main__":  ParseParam(sys.argv)