前段時(shí)間喜歡用python去抓一些頁(yè)面玩，但都基本上都是用get請(qǐng)求一些頁(yè)面，再通過(guò)正則去過(guò)濾。

目前創(chuàng)新互聯(lián)公司已為上千多家的企業(yè)提供了網(wǎng)站建設(shè)、域名、虛擬主機(jī)、網(wǎng)站運(yùn)營(yíng)、企業(yè)網(wǎng)站設(shè)計(jì)、六盤(pán)水網(wǎng)站維護(hù)等服務(wù)，公司將堅(jiān)持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長(zhǎng)，共同發(fā)展。

今天試了一下，模擬登陸個(gè)人網(wǎng)站。發(fā)現(xiàn)也比較簡(jiǎn)單。讀懂本文需要對(duì)http協(xié)議和http會(huì)話有一定的理解。

注明：因?yàn)槟M登陸的是我的個(gè)人網(wǎng)站，所以以下代碼對(duì)個(gè)人網(wǎng)站和賬號(hào)密碼做了處理。

網(wǎng)站分析

爬蟲(chóng)的必備第一步，分析目標(biāo)網(wǎng)站。這里使用谷歌瀏覽器的開(kāi)發(fā)者者工具分析。

通過(guò)登陸抓取，看到這樣一個(gè)請(qǐng)求。

上方部分為請(qǐng)求頭，下面部分為請(qǐng)求是傳的參數(shù)。由圖片可以看出，頁(yè)面通過(guò)表單提交了三個(gè)參數(shù)。分別為_(kāi)csrf,usermane,password。

其中csrf是為了預(yù)防跨域腳本偽造。原理很簡(jiǎn)單，就是每一次請(qǐng)求，服務(wù)器生成一串加密字符串。放在隱藏的input表單中。再一次請(qǐng)求的時(shí)候，把這個(gè)字符串一起傳過(guò)去，為了驗(yàn)證是否為同一個(gè)用戶的請(qǐng)求。

因此，我們的代碼邏輯就有了。首先請(qǐng)求一次登錄頁(yè)面。然后分析頁(yè)面，拿到csrf字符串。最后把這個(gè)字符串和賬號(hào)密碼一起傳給服務(wù)器用來(lái)登錄。

第一份代碼

#!/usr/bin/env python2.7
# -*- coding: utf-8 -*-

import requests
import re

# 頭部信息
headers = {
 'Host':"localhost",
 'Accept-Language':"zh-CN,zh;q=0.8",
 'Accept-Encoding':"gzip, deflate",
 'Content-Type':"application/x-www-form-urlencoded",
 'Connection':"keep-alive",
 'Referer':"http://localhost/login",
 'User-Agent':"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36"
}

# 登陸方法
def login(url,csrf):
 data = {
 "_csrf" : csrf,
 "username": "xiedj",
 "password": "***"
 }

 response = requests.post(url, data=data, headers=headers)
 return response.content


# 第一次訪問(wèn)獲取csrf值
def get_login_web(url):
 page = requests.get('http://localhost/login')
 reg = r''
 csrf = re.findall(reg,page.content)[0]
 login_page = login(url,csrf)
 print login_page


if __name__ == "__main__":
 url = "http://localhost/login/checklogin"
 get_login_web(url)

本文題目：如何使用Python的Requests包實(shí)現(xiàn)模擬登陸-創(chuàng)新互聯(lián)
標(biāo)題網(wǎng)址：http://weahome.cn/article/cssccs.html