常見的登錄方式有以下兩種:
- 查看登錄頁面,csrf,cookie;授權;cookie
- 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
第一種情況
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,我們可以從包裡找到如上圖的地址,就是post請求提交form的信息
請求的地址:https://github.com/session
請求的參數有:
"commit": "Sign in",
"utf8":"✓",
"authenticity_token":“KM6Q0mM9FtI95wYsI/WU3BnaMbYrmV60c0YTQlZjBuAuYa193LP2Gd8BTCmQBSFvPFZRlk3/1TFOnOgGUdy7Ig==”,
"login":"[email protected]",
"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裡就增加了兩個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:
https://github.com/settings/profile
代碼實現
下面代碼實現了登錄並訪問https://github.com/settings/repositories
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()
#這裡註釋的解釋一下,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/ 這個地址是隻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裡可以看到
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()
做什麼事情都需要不斷地堅持下去,編程也一樣。現在python語言十分火熱,職場對python的需求也很高,薪資待遇都很棒。所以希望大家能夠堅持學習,‘剩’者為王,堅持下來的人才有資格稱王。如果你覺得本文對你的學習有幫助的話,不妨點個關注,我會持續更新。