Python爬虫实例（四）网站模拟登陆

一、获取一个有登录信息的Cookie模拟登陆

下面以人人网为例，首先使用自己的账号和密码在浏览器登录，然后通过抓包拿到cookie，再将cookie放到请求之中发送请求即可，具体代码如下：

# -*- coding: utf-8 -*-

import urllib2

# 构建一个已经登录过的用户的headers信息
headers = {
    "Host":"www.renren.com",
    "Connection":"keep-alive",
    "Upgrade-Insecure-Requests":"",
    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36",
    "Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
    "Accept-Language":"zh-CN,zh;q=0.8,en;q=0.6",
    # 添加抓包获取的cookie，这个Cookie是保存了密码无需重复登录的用户的Cookie，里面记录了用户名及密码等登录信息（我这里只显示一部分）
    "Cookie": "anonymid=j5xitrrwqgbk8; _r01_=1; loginfrom=syshome; wp_fold=0; _de=BF09EE3FED92E6B65F6A4705D973F1383380866D39FF5;
}

# 通过headers里的报头信息（主要是Cookie信息），构建Request对象
request = urllib2.Request("http://www.renren.com/", headers = headers)
# 直接访问renren主页，服务器会根据headers报头信息（主要是Cookie信息），判断这是一个已经登录的用户，并返回相应的页面
response = urllib2.urlopen(request)
# 打印响应内容
print response.read()

这样就可以访问登录后才会呈现的页面。

二、使用cookielib库 和 HTTPCookieProcessor处理器

上面的方式固然可行，但是却过于麻烦，我们先需要在浏览器登录账户，并且设置保存密码，并且通过抓包才能获取这个Cookie。下面我们将简化一下，代码如下：

# -*- coding: utf-8 -*-

import urllib
import urllib2
import cookielib

# 构建一个CookieJar对象实例来保存cookie
cookie = cookielib.CookieJar()

# 使用HTTPCookieProcessor()来创建cookie处理器对象，参数为CookieJar()对象
cookie_handler = urllib2.HTTPCookieProcessor(cookie)

# 通过 build_opener() 来构建opener
opener = urllib2.build_opener(cookie_handler)

# addheaders 接受一个列表，里面每个元素都是一个headers信息的元祖, opener将附带headers信息
opener.addheaders = [("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36")]

#  需要登录的账户和密码
data = {"email":"账户", "password":"密码"}  

#  通过urlencode()转码
postdata = urllib.urlencode(data)

#  构建Request请求对象，包含需要发送的用户名和密码
request = urllib2.Request("http://www.renren.com/PLogin.do", data = postdata)

#  通过opener发送这个请求，并获取登录后的Cookie值，
opener.open(request)                                              

#  opener包含用户登录后的Cookie值，可以直接访问那些登录后才可以访问的页面
response = opener.open("http://www.renren.com//profile")  

#  打印响应内容
print response.read()

这里可以使用requests简化代码，具体如下：

import requests

# 创建session对象，可以保存Cookie值
ssion = requests.session()

# 处理 headers
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"}

# 3需要登录的用户名和密码
data = {"email":"账户", "password":"密码"}  

# 发送附带用户名和密码的请求，并获取登录后的Cookie值，保存在ssion里
ssion.post("http://www.renren.com/PLogin.do", data = data)

#  ssion包含用户登录后的Cookie值，可以直接访问那些登录后才可以访问的页面
response = ssion.get("http://www.renren.com/410049765/profile")

# 打印响应内容
print response.text

注：这里使用的是人人网的老版接口http://www.renren.com/PLogin.do如果使用的是http://www.renren.com/这个接口登录将会失败，因为新的接口需要的不仅仅是账户和密码，还要有一些
动态生成的数据需要一起传送过去，这个也可以通过先抓包获取再和账户密码一起发生。

这种方式模拟登录需要注意的问题：
1、登录一般都会先有一个HTTP GET，用于拉取一些信息及获得Cookie，然后再HTTP POST登录。
2、HTTP POST登录的链接有可能是动态的，从GET返回的信息中获取。
3、password 有些是明文发送，有些是加密后发送。有些网站甚至采用动态加密的，同时包括了很多其他数据的加密信息，只能通过查看JS源码获得加密算法，再去破解加密，非常困难。
4、大多数网站的登录整体流程是类似的，可能有些细节不一样，所以不能保证其他网站登录成功

三、使用Selenium和PhantomJS模拟登录
这种登录方式和在浏览器登录一样，代码如下：

# -*- coding: utf-8 -*-
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time

driver = webdriver.PhantomJS()
driver.get("http://www.renren.com/")

# 输入账号密码
driver.find_element_by_name("email").send_keys("账户")
driver.find_element_by_name("password").send_keys("密码")

# 模拟点击登录
driver.find_element_by_xpath("//input[@class='input-submit login-btn']").click()

# 等待3秒
time.sleep(3)

# 生成登陆后快照
driver.save_screenshot("renren.png")

运行程序后就可以得到登录后页面的截图了，也可以使用driver.page_source拿到页面源码。