python爬虫实战之模拟正方教务系统登录查询成绩

       最近由于某些需要，开始入门Python网络爬虫，想通过一个Python程序来访问正方教务管理系统并且抓取到期末的成绩，由于我并没有深入了解过过其他的编程语言，所以，也比较不出Python和其他语言(如JAVA/PHP)的优缺点，只是因为我会Python，废话不多说，开工。
       首先说一下，我们学校教务系统的网址是http://222.24.19.201，我想到的流程是，登入教务系统，然后访问查成绩的网址，将历年成绩抓取下来，这是一个很直观的流程，在程序中要做的就是1.登录， 2.访问 , 3.抓取，4.解析。当然，在这之前，首先要解决一个问题： 验证码。

就是这样，验证码！我想到的第一个问题是OCR，可这个对我来说有点太复杂了，有其他的方法嘛，仔细观察，

我们登录要提交的验证码，帐号密码其实是提交到了http://222.24.19.201/default2.aspx
，可是这并没有什么用，还是验证码，等等，注意到了default后面的2，那岂不是还有0，1，3，4…，抱着试一试的态度，尝试了一下，知道找到http://222.24.19.201/default6.aspx，终于看到了预期的结果。

       居然是北京第二外国语学院，贵圈真乱！由于我清楚222.24.19.201是邮电学院的IP，所以，我就在用户名和密码上填入了自己的用户名和密码，果不其然，登进去了，所以决定了，就从这个网址下手。

       接下来，就得看浏览器都干了些什么，我用的查看浏览器行为的是一款叫做HttpFox的扩展程序，如果你用的是Windows， 那么Fiddler也是一个不错的选择，这是这款程序的外观
       当浏览器访问新的网页的时候，这个程序会跟踪追踪浏览器的行为(POST & GET 不了解的请自行百度）所以我们先来尝试访问一下

看到了POST， 我想知道我们向浏览器都提交了什么，点击POST， 查看POST DATA
       东西真多，我们需要将这些东西通过程序提交给服务器，值的说的是，乱码的一个是”学生” 一个是”登录”， 由于，教务系统的网站所用的编码是gb2312， 而它用utf-8的方式打开，所以，就乱了。。还有一个第一项—__VIEWSTATE这是asp.net框架特有的一个东西，详细用法自行百度，这里一定要加入(P.S 不要尝试登录朕的教务系统，这只是测试密码).
       关于登录，我们必须要谈的一个话题是Cookie, 这不只是饼干，还是指某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据（通常经过加密），所以我们要做的第一件事就是获取这个网站的Cookie。Python提供了一个模块叫做cookielib,我们要构建一个cookie的处理器来存储访问网站所得的cookie