python 爬蟲網頁登入的實現

#                                                        

python影片教學欄位介紹實作python的爬蟲登入網頁。

免費推薦：python影片教學

相信各位在寫python爬蟲的時候會在爬取網站時遇到一些登陸的問題，比如說登陸時遇到輸入驗證碼比如說登入時遇到圖片拖曳等驗證，如何解決這類問題呢？一般有兩種方案。

使用cookie登陸

我們可以透過使用cookies登陸，先取得瀏覽器的cookie，然後利用requests 函式庫直接登陸cookie，伺服器就會認為你是個真實登陸用戶，所以就會回傳給你一個已登陸的狀態，這個方法是很好用的，基本上絕大部分的需要驗證碼登入的網站都可以透過cookie登入來解決，

 #! -*- encoding:utf-8 -*-
    import requests    import random    import requests.adapters    # 要访问的目标页面
    targetUrlList = [
        "https://httpbin.org/ip",
        "https://httpbin.org/headers",
        "https://httpbin.org/user-agent",
    ]

    # 代理服务器
    proxyHost = "t.16yun.cn"
    proxyPort = "31111"

    # 代理隧道验证信息
    proxyUser = "username"
    proxyPass = "password"

    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host": proxyHost,
        "port": proxyPort,
        "user": proxyUser,
        "pass": proxyPass,
    }

    # 设置 http和https访问都是用HTTP代理
    proxies = {
        "http": proxyMeta,
        "https": proxyMeta,
    }

    # 访问三次网站，使用相同的Session(keep-alive)，均能够保持相同的外网IP
    s = requests.session()

    # 设置cookie
    cookie_dict = {"JSESSION":"123456789"}
    cookies = requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)
    s.cookies = cookies    for i in range(3):
        for url in targetUrlList:
            r = s.get(url, proxies=proxies)
            print r.text
若存在验证码，此时采用resp**e = requests_session.post(url=url_login, data=data)是不行的，做法应该如下：

resp**e_captcha = requests_session.get(url=url_login, cookies=cookies)resp**e1 = requests.get(url_login) # 未登陆resp**e2 = requests_session.get(url_login) # 已登陆，因为之前拿到了Resp**e Cookie！resp**e3 = requests_session.get(url_results) # 已登陆，因为之前拿到了Resp**e Cookie！

模擬登陸
這裡不得不說一句老話，前人種樹，後人乘涼，當時我想爬一下知乎鹽選的文章，但是卡在了登陸這塊，沒想到搜索下來發現了一個模擬登陸的庫，非常好用，不過本著好東西不分享防和諧的原則，就不在這裡說了。
具體想法也就是透過requests來進行類比登陸，然後回傳驗證碼，之後傳入驗證碼即可登陸成功了。                                              

以上是python 爬蟲網頁登入的實現的詳細內容。更多資訊請關注PHP中文網其他相關文章！