如何使用 Python 登录后下载受保护的网站文件-Python教程-PHP中文网

如何使用 Python 登录后下载受保护的网站文件

本文详解如何通过 requests.Session 维持登录态，安全下载需身份认证的图片或 PDF 等资源，解决因缺失 Cookie 或会话导致的“下载空文件（14 KB）”问题。

本文详解如何通过 requests.session 维持登录态，安全下载需身份认证的图片或 pdf 等资源，解决因缺失 cookie 或会话导致的“下载空文件（14 kb）”问题。

在 Web 自动化下载场景中，许多文件（如服务报告、工程图纸、审批附件）托管在需登录才能访问的后台系统中。直接用 urllib.request.urlretrieve 或无状态 requests.get() 请求这类资源时，即使 URL 正确，服务器通常仅返回一个轻量级 HTML 登录页（约 14 KB），而非真实文件——这正是用户反复遇到“文件已下载但打不开”的根本原因：请求未携带有效会话凭证（如登录后的 cookies）。

✅ 正确方案：使用 `requests.Session` 管理登录态

requests.Session 能自动持久化服务器返回的 cookies，并在后续请求中自动携带，模拟真实浏览器行为。以下是完整、健壮的实现步骤：

Python Use Agent

智能执行Python任务，自动生成、执行代码并反馈结果，无需额外配置，兼容旧命令。

下载

import requests
import os

# 1. 创建会话对象（自动管理 cookies）
session = requests.Session()

# 2. 构造登录请求（关键：确认实际登录接口与字段名）
login_url = "https://assetplanner.com/login"  # 替换为真实登录地址
login_data = {
    "username": "your_username",   # 注意：字段名需与网页表单一致（常为 username/email）
    "password": "your_password",   # 部分系统可能含 csrf_token、remember_me 等隐藏字段
}

# 3. 发起登录（POST）
login_resp = session.post(login_url, data=login_data, timeout=10)

# 4. 检查登录是否成功（建议结合状态码 + 关键响应内容双重验证）
if login_resp.status_code == 200 and "dashboard" in login_resp.text.lower():
    print("✅ 登录成功！")
else:
    print(f"❌ 登录失败，HTTP 状态码：{login_resp.status_code}")
    print("提示：检查用户名/密码、登录接口 URL、表单字段名（如是否为 'email' 而非 'username'）")
    exit(1)

# 5. 使用同一会话下载受保护文件（URL 中的 token 可能仍需保留）
file_url = "https://assetplanner.com/files/ServiceRequest/616/img_20241021093256.jpg?token=#####"
response = session.get(file_url, timeout=30)

# 6. 验证并保存文件
if response.status_code == 200:
    # 自动推断扩展名（可选增强）
    content_type = response.headers.get('content-type', '')
    ext = '.jpg' if 'jpeg' in content_type or 'jpg' in content_type else '.pdf'

    filename = f"downloaded_file{ext}"
    with open(filename, 'wb') as f:
        f.write(response.content)
    print(f"✅ 文件已保存为：{os.path.abspath(filename)}")
else:
    print(f"❌ 文件下载失败，状态码：{response.status_code}")
    print("提示：检查文件 URL 是否有效、token 是否过期、服务器是否要求额外 Headers（如 User-Agent）")

⚠️ 关键注意事项

登录接口必须真实有效：打开浏览器开发者工具（F12 → Network → Login），查看表单提交的 POST 请求的 URL、Headers（尤其是 Content-Type）、Form Data 字段名（常见有 email/login/csrf_token），严格复现。
避免硬编码敏感信息：生产环境请使用环境变量（os.getenv("AP_USERNAME")）或配置文件（.env + python-dotenv）管理账号密码。

处理反爬机制：部分网站要求 User-Agent、Referer 或禁用重定向。可在 session.get() 中添加：

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}
response = session.get(file_url, headers=headers, allow_redirects=False)

Token 的时效性：若 URL 中的 token= 参数本身有时效（如 JWT），且你无法动态获取，则优先依赖会话登录，而非依赖 token 链接（除非 token 是长期有效的）。
错误排查建议：打印 login_resp.text[:500] 查看返回的 HTML 是否含“登录失败”提示；用 print(session.cookies.get_dict()) 确认 cookies 是否已写入。

? 总结

下载受保护资源的核心不是“拼 URL”，而是建立并维持一个合法的用户会话。requests.Session 是 Python 中最简洁可靠的解决方案。只要登录逻辑正确，后续所有资源请求均可复用该会话，无需重复鉴权。对于需批量下载多个报告的场景，只需将登录步骤封装为函数，再循环调用下载逻辑即可实现自动化。