Python爬蟲番外篇之關於登錄

常見的登錄方式有以下兩種：

1. 查看登錄頁面，csrf,cookie;授權；cookie
2. 直接發送post請求,獲取cookie

上面只是簡單的描述，下面是詳細的針對兩種登錄方式的時候爬蟲的處理方法

這種例子其實也比較多，現在很多網站的登錄都是第一種的方法，這裡通過以github為例子：

分析頁面

獲取authenticity_token信息

我們都知道登錄頁面這裡都是一個form表單提交，我可以可以通過谷歌瀏覽器對其進行分析

如上圖我們找到了這個token信息所以我們在登錄之前應該先通過代碼訪問這個登錄頁面獲取這個authenticity_token信息

獲取登陸頁面的cookie信息

set-cookie這裡是登錄頁面的cookie

分析登錄包獲取提交地址

當我們輸入用戶名和密碼之後點擊提交，我們可以從包里找到如上圖的地址，就是post請求提交form的信息

請求的參數有：

"commit": "Sign in",

"utf8":"?",

"authenticity_token":「KM6Q0mM9FtI95wYsI/WU3BnaMbYrmV60c0YTQlZjBuAuYa193LP2Gd8BTCmQBSFvPFZRlk3/1TFOnOgGUdy7Ig==」,

"password":"123"

從這裡我們也可以看出提交參數中的「authenticity_token」，而這個參數就是需要我們從登陸頁面先獲取到。當我們登錄成功後：

再次訪問github，這個時候cookie里就增加了兩個cookie信息，而這個信息是登錄後在增加的信息

所以如果我們想要通過程序登錄，我們就需要在登錄成功後再次獲取cookie信息

然後通過這個cookie去訪問我們github的其他信息例如我們的個人信息設置頁面：

import requests
from bs4 import BeautifulSoup

Base_URL = "https://github.com/login"
Login_URL = "https://github.com/session"

def get_github_html(url):
"""
這裡用於獲取登錄頁的html，以及cookie
:param url: https://github.com/login
:return: 登錄頁面的HTML,以及第一次的cooke
"""
response = requests.get(url)
first_cookie = response.cookies.get_dict
return response.text,first_cookie

def get_token(html):
"""
處理登錄後頁面的html
:param html:
:return: 獲取csrftoken
"""
soup = BeautifulSoup(html,"lxml")
res = soup.find("input",attrs={"name":"authenticity_token"})
token = res["value"]
return token

def gihub_login(url,token,cookie):
"""
這個是用於登錄
:param url: https://github.com/session
:param token: csrftoken
:param cookie: 第一次登錄時候的cookie
:return: 返回第一次和第二次合併後的cooke
"""

data= {
"commit": "Sign in",
"utf8":"?",
"authenticity_token":token,
"login":"你的github賬號",
"password":"*****"
}
response = requests.post(url,data=data,cookies=cookie)
print(response.status_code)
cookie = response.cookies.get_dict
#這裡注釋的解釋一下，是因為之前github是通過將兩次的cookie進行合併的
#現在不用了可以直接獲取就行
# cookie.update(second_cookie)
return cookie

if __name__ == "__main__":
html,cookie = get_github_html(Base_URL)
token = get_token(html)
cookie = gihub_login(Login_URL,token,cookie)
response = requests.get("https://github.com/settings/repositories",cookies=cookie)
print(response.text)

第二種情況

這裡通過伯樂在線為例子，這個相對於第一種就比較簡單了，沒有太多的分析過程直接發送post請求，然後獲取cookie,通過cookie去訪問其他頁面,下面直接是代碼實現例子：

http://www.jobbole.com/bookmark/這個地址是只有登錄之後才能訪問的頁面，否則會直接返回登錄頁面

這裡說一下：http://www.jobbole.com/wp-admin/admin-ajax.php是登錄的請求地址這個可以在抓包里可以看到

import requests
def login:
url = "http://www.jobbole.com/wp-admin/admin-ajax.php"
data = {
"action": "user_login",
"user_login":"zhaofan1015",
"user_pass": "******",
}
response = requests.post(url,data)
cookie = response.cookies.get_dict
print(cookie)
url2 ="http://www.jobbole.com/bookmark/"
response2 = requests.get(url2,cookies=cookie)
print(response2.text)

login

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！