Python爬虫之模拟CSDN网站登录

浅浅的花香味﹌ 2022-06-05 06:51 406阅读 0赞

### Python爬虫之模拟CSDN网站登录 ###

#### 模拟网站登录的思路 ####

在我们模拟网站登录之前，我们需要分析网站登入需要哪些数据。我们可以通过抓包工具，研究网站登录，以及登录访问的头信息变化。

1.打开csdn的登录页面

![image][]

2.输入用户名和密码登录，使用fiddler抓包。（我们只是为了知道上传的数据结构，不需要输入正确的用户名和密码）。如下所示：

![image][image 1]

3.检查网页源代码，分析上传的post的数据

通过上面的抓包分析，我们知道post上传form表单数据的具体参数。

表单参数：

username=aaaaa&password=vvvvvv&lt=LT-518075-B1UABMXz7mIEo25UFRgOtqg5iJKFhM&execution=e1s2&_eventId=submit

我们发现，除了我们需要输入的用户名和密码外，还有其他的参数，那么其他参数表示什么呢？我们可以通过登入页面的源代码。如：

![image][image 2]

实际上`lt`参数，`execution`参数，`_eventId`参数都是在页面内写死的，其中`_eventId`参数是不变的。所以我们需要先抓取登录的页面，获取页面的`lt`和`execution`参数。在从通过form表单post数据，完成Python登录。具体代码实现，请看代码示例。

#### 代码示例： ####

import requests
    from bs4 import BeautifulSoup
    
    
    def get_headers():
        return {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.93 Safari/537.36'
        }
    
    
    def write_html(text, filename):
        """ 将返回的响应信息写入文件 :param text: 响应页面内容 :param filename: 保存的文件名 :return: """
        with open(filename, 'w', encoding='utf-8') as f:
            f.write(text)
    
    
    if __name__ == '__main__':
        # csdn登入的url
        login_url = "https://passport.csdn.net/account/login"
        # 通过requests的session请求
        seesion = requests.session()
        # 通过get请求登录页面的url，获取响应数据
        response = seesion.get(login_url, headers=get_headers())
        # 输出响应码
        print(response.status_code)
        # 将返回的html写入文件
        write_html(response.text, 'get_login.html')
    
        # 使用BeautifulSoup解析html，使用lxml的方式解析
        soup = BeautifulSoup(response.text, 'lxml')
        # 获取登入页面的input标签中lt的值，后面post表单上传登入信息需要
        lt = soup.select('input[name="lt"]')[0]['value']
        # 获取登入页面的input标签中execution的值，后面post表单上传登入信息需要
        execution = soup.select('input[name="execution"]')[0]['value']
        # 上传表单的data数据
        data = {
            "username": "your-username",
            "password": "your-password",
            "lt": lt,
            "execution": execution,
            "_eventId": "submit"
        }
    
        # 打印data数据
        print(data)
    
        # post请求上传data数据，模拟登入，获取响应结果
        response = seesion.post(login_url, data=data, headers=get_headers())
        # 打印响应的状态码
        print(response.status_code)
        # 将响应的信息写入文件
        write_html(response.text, 'login_success.html')
    
        # 通过get请求，请求个人主页，如果没有登入成功，则会返回登页，登入成功，则会获取到登入的个人信息
        response = seesion.get('https://my.csdn.net/my/mycsdn', headers=get_headers())
        # 打印响应码
        print(response.status_code)
        # 将响应结果保存文件
        write_html(response.text,'my.html')

最后，在my.html文件中，能获取登录的用户信息。因为我的页面跟多是使用js加载的，只能获取少量的数据。

[image]: /images/20220605/cce8390bbef44f6dae3302e95b0781be.png
[image 1]: /images/20220605/6b99a19c70054513b9c223e58938aabc.png
[image 2]: /images/20220605/b17f7a96c832458b9700eb2fd8d5edc4.png