位置: 编程技术 - 正文
推荐整理分享Python爬虫之模拟知乎登录的方法教程(python模拟登录爬取数据),希望有所帮助,仅作参考,欢迎阅读内容。
文章相关热门搜索词:python在线模拟器,python模拟登陆并抓取,python模拟软件,python模拟登录爬取数据,爬虫模拟登录并保持登录,爬虫模拟操作,爬虫模拟操作,爬虫模拟操作,内容如对您有帮助,希望把文章链接给更多的朋友!
前言
对于经常写爬虫的大家都知道,有些页面在登录之前是被禁止抓取的,比如知乎的话题页面就要求用户登录才能访问,而 “登录” 离不开 HTTP 中的 Cookie 技术。
登录原理
Cookie 的原理非常简单,因为 HTTP 是一种无状态的协议,因此为了在无状态的 HTTP 协议之上维护会话(session)状态,让服务器知道当前是和哪个客户在打交道,Cookie 技术出现了 ,Cookie 相当于是服务端分配给客户端的一个标识。
浏览器第一次发起 HTTP 请求时,没有携带任何 Cookie 信息 服务器把 HTTP 响应,同时还有一个 Cookie 信息,一起返回给浏览器 浏览器第二次请求就把服务器返回的 Cookie 信息一起发送给服务器 服务器收到HTTP请求,发现请求头中有Cookie字段, 便知道之前就和这个用户打过交道了。实战应用
用过知乎的都知道,只要提供用户名和密码以及验证码之后即可登录。当然,这只是我们眼中看到的现象。而背后隐藏的技术细节就需要借助浏览器来挖掘了。现在我们就用 Chrome 来查看当我们填完表单后,究竟发生了什么?
(如果已经登录的,先退出)首先进入知乎的登录页面 ,打开 Chrome 的开发者工具条(按 F)先尝试输入一个错误的验证码观察浏览器是如何发送请求的。
从浏览器的请求可以发现几个关键的信息
登录的 URL 地址是 登录需要提供的表单数据有4个:用户名(email)、密码(password)、验证码(captcha)、_xsrf。 获取验证码的URL地址是_xsrf 是什么?如果你对CSRF(跨站请求伪造)攻击非常熟悉的话,那么你一定知道它的作用,xsrf是一串伪随机数,它是用于防止跨站请求伪造的。它一般存在网页的 form 表单标签中,为了证实这一点,可以在页面上搜索 “xsrf”,果然,_xsrf在一个隐藏的 input 标签中
摸清了浏览器登录时所需要的数据是如何获取之后,那么现在就可以开始写代码用 Python 模拟浏览器来登录了。登录时所依赖的两个第三方库是 requests 和 BeautifulSoup,先安装
http.cookiejar 模块可用于自动处理HTTP Cookie,LWPCookieJar 对象就是对 cookies 的封装,它支持把 cookies 保存到文件以及从文件中加载。
而 session 对象 提供了 Cookie 的持久化,连接池功能,可以通过 session 对象发送请求
首先从cookies.txt 文件中加载 cookie信息,因为首次运行还没有cookie,所有会出现 LoadError 异常。
获取 xsrf
前面已经找到了 xsrf 所在的标签,,利用 BeatifulSoup 的 find 方法可以非常便捷的获取该值
获取验证码
验证码是通过 /captcha.gif 接口返回的,这里我们把验证码图片下载保存到当前目录,由人工识别,当然你可以用第三方支持库来自动识别,比如 pytesser。
登录
一切参数准备就绪之后,就可以请求登录接口了。
请求成功后,session 会自动把 服务端的返回的cookie 信息填充到 session.cookies 对象中,下次请求时,客户端就可以自动携带这些cookie去访问那些需要登录的页面了。
auto_login.py 示例代码
github源码地址:
Python 含参构造函数实例详解 本篇博文主要介绍在Python3中如何构造含参构造函数样例如下:classMyOdlHttp:username=''password=''def__init__(self,username,password):self.username=usernameself.password=passwordp
Python 编码Basic Auth使用方法简单实例 本片博文主要介绍在Python3环境下把用户名密码编码成字符串。代码如下:importbasedefget_basic_auth_str(username,password):temp_str=username+':'+password#转成bytesstringby
Tensorflow简单验证码识别应用 简单的Tensorflow验证码识别应用,供大家参考,具体内容如下1.Tensorflow的安装方式简单,在此就不赘述了.2.训练集训练集以及测试及如下(纯手工打造,所以
标签: python模拟登录爬取数据
本文链接地址:https://www.jiuchutong.com/biancheng/372367.html 转载请保留说明!友情链接: 武汉网站建设