爬虫实战篇（模拟登录）---我们以模拟去哪儿网为例

（1）、登录实质

互联网上的部分网站需要登录后方能访问，当我们打开网页并登录，就会在客户端生成Cookies（相当于个人身份证）信息，Cookies中包含了SessionId信息，登录后的请求都会带上Cookies发送给服务器，服务器会根据Cookies判断出对应的SessionID，进而找到会话，从而判断用户是否师登录状态，从而是否给用户响应。

（2）、什么是模拟登陆

答：让机器模拟人在浏览器上的行为登录网站

（3）、实现方式

1、使用虚拟的浏览器

步骤：请求登录页面的url----分析html中的表单数据----找到用户名和密码的输入框----输入自己的用户名和密码---模拟点击登录按钮即可

2、分析登录信息提交方式，利用浏览器cookie模拟登录

步骤：分析网页结构，确认登录方式，如账号密码登录或扫码登录----如是账号密码登录，确认有无验证码及验证码接口----进行错误登录尝试，观察登录系统的传码方案，如账号密码是否加密，是否有加密，是否有额外参数需要寻找，登录需要传入的cookie---根据错误登录的分析结果，寻找额外的参数和需要传入的cookie来源和密码加密函数---反复测试并编写代码

（4）、实例讲解（模拟登录去哪儿网）--这里我们用第二种实现方式

1、本节目标：模拟去哪儿网的登录过程并抓取信息

2、环境准备：

requests + re 库

3、知识储备

cookie:用户首次访问一个域名时，服务器给用户发送的数据，用来保持服务器与客户端之间的状态，这些数据即为cookie

session:另一种记录客户状态的机制，不同于cookie保存于客户机，它保存在服务器上，当客户端浏览器访问服务器时，服务器将客户端的信息以某种形式记录在服务器上，这就是session,而当客户端再次发起请求，就会从该session中查找用户的状态

这里做个类比：我们将银行比作服务器，而客户端就是去银行办事的人员，cookie相当于我们去银行办事时携带的身份证，被用来确定用户的身份，而session相当于银行保存的客户档案用来核实客户身份。

4、思路分析

（1）分析网页登录方式（这里我们使用chrome的无痕模式窗口   ctrl+shift+n），我们发现有三种方式：账号密码登录、短信验证码登录、扫码登录，这里我们采取账号密码登录方式

（2）分析验证码接口

（3）尝试错误登录，查看请求页面的form data ,构造请求函数，尝试使用爬虫进行登录,发现报错，通过分析我们发现需要传入cookie的参数为QN1、QN25、QN271、_i、_vi、fid

、

（4）寻找cookie来源，借助chrome的开发者工具

（5）在session通过get请求添加需要的cookie，再次尝试即可

5、代码详解：

首先获取session--获取cookies

 1 #author: "xian"
 2 #date: 2018/5/31
 3 
 4 import requests
 5 
 6 def get_start_session(): #获取session
 7     s = requests.session()
 8     return s
 9 
10 def get_base_cookies(s): #得到基础的cookies,这里使用session。get()发送请求,requests。get发送的请求互补干扰，相互独立，而session.get发送的请求的cookie会自动合并
11     response = s.get('https://user.qunar.com/passport/login.jsp')
12     pass
13 
14 
15 if __name__ == '__main__':
16     session = get_start_session()
17     get_base_cookies(session)

进行断点调试并输出：

 接着：下载验证码图片（在当前的目录下新建一个img文件夹用来保存图片）

1 def get_base_cookies(s):
2     response = s.get('https://user.qunar.com/passport/login.jsp')
3     get_image(s) #立即下载图片
4 
5 def get_image(s):
6     response = s.get('https://user.qunar.com/captcha/api/image?k={en7mni(z&p=ucenter_login&c=ef7d278eca6d25aa6aec7272d57f0a9a')
7 
8     with open('code1.png' , 'wb') as f:
9         f.write(response.content)

输出：

接着：尝试错误登录，这次我们使用正确的验证码

 1 #定义登录函数
 2 def login(s,username,password,code): #使用session发送请求，方便合并cookies,并传入参数
 3 
 4     data = {
 5         'loginType': 0,
 6         'username': username,
 7         'password': password,
 8         'remember': 1,
 9         'vcode': code,
10     }
11 
12     url = 'https://user.qunar.com/passport/login.jsp'
13 
14 
15     response = s.post(url ,data = data ) #这里我们使用post发送请求

 最后：结合chrome补全cookies参数，这里我们只需保存有用的cookie即可

 1 def get_base_cookies(s):
 2     s.get('https://user.qunar.com/passport/login.jsp')
 3     get_image(s)
 4     s.get('https://user.qunar.com/passport/addICK.jsp?ssl')
 5     response = s.get('https://rmcsdf.qunar.com/js/df.js?org_id=ucenter.login&js_type=0')
 6 
 7     #获取sessionid
 8     session_id = re.findall(r'sessionId=(.*?)&',response.text)
 9     session_id = session_id[0]  #脱壳操作
10 
11     #获取fid
12     s.get('https://rmcsdf.qunar.com/api/device/challenge.json?callback=callback_1527735086394&sessionId={}&domain=qunar.com&orgId=ucenter.login'.format(session_id))
13     s.cookies.update({'QN271':session_id})

（3）、完整代码

 1 #author: "xian"
 2 #date: 2018/5/30
 3 import re
 4 import requests
 5 
 6 #使用requests库的会话维持用法
 7 def start_get_session():
 8     s = requests.session()
 9     return s
10 
11 def get_base_cookies(s):
12     s.get('https://user.qunar.com/passport/login.jsp')
13     get_image(s)
14     s.get('https://user.qunar.com/passport/addICK.jsp?ssl')
15     response = s.get('https://rmcsdf.qunar.com/js/df.js?org_id=ucenter.login&js_type=0')
16 
17     #获取sessionid
18     session_id = re.findall(r'sessionId=(.*?)&',response.text)
19     session_id = session_id[0]  #脱壳操作
20 
21     #获取fid
22     s.get('https://rmcsdf.qunar.com/api/device/challenge.json?callback=callback_1527735086394&sessionId={}&domain=qunar.com&orgId=ucenter.login'.format(session_id)) 
23 s.cookies.update({'QN271':session_id})
25 
26 
27 
28 #获取图片 
29 def get_image(s): 

30 　　response = s.get('https://user.qunar.com/captcha/api/image?k={en7mni(z&p=ucenter_login&c=ef7d278eca6d25aa6aec7272d57f0a9a&t=1527644979725') 
31 
32 
33　　with open('./img/code.png','wb') as f: 
34  　　f.write(response.content) 
35 
36 
37 #登录函数 
38 def login(s,username,password,code): 
39 　　data = { 
40 　　'loginType': 0, 
41 　　'username': username, 
42 　　'password': password, 
43 　　'remember': 1, 
44 　　'vcode': code, 
45 　　 } 
46 
47　　 url = 'https://user.qunar.com/passport/loginx.jsp' 
48　　 response = s.post(url,data = data) 
49 　　print(response.text) 
50　　 response = s.get('http://user.qunar.com/index/basic') 
#模拟登录后爬取该网页 
51　　 print(response.text) 
52 
53 
54 
55 
#主函数 
56 if __name__ == '__main__': 
57　　　session = start_get_session() 
58 　　get_base_cookies(session)
59 　　username = input('请输入用户名：')
60 　　password = input('请输入密码：') 
61 　　code = input('请输入验证码：') 
62 
63 　　login(session,username,password,code)

运行效果图：

 

转载于:https://www.cnblogs.com/518894-lu/p/9103668.html