网络爬虫——由模拟登录扯开去(1)

一般步骤

---

模拟登录的一般步骤：真实的目标地址，FormData，头信息，Cookie，重定向。

F12打开开发者工具 ——> Network ——> 勾选Preserve log ——> 输入账号、密码等，点击登录 ——> 分析请求

这里以苏宁易购的登录页面为例（仅作为例子，实际并没有拿此站点开刀）说明问题：

• 获取、分析请求

• 请求头信息

Note：

1. 并非所有的网站登录都有FormData，比如有的_Java Web_站点就是通过action的方式提交form 的表单数据，用户信息是以input的name作为属性名的键值对，提交到服务器。

2. 如果发现无法获取到有用的信息，可通过其他软件（eg: fiddler， 也可用于移动端抓包）对网络请求进行抓包，然后分析。

分类

–

1. 账号，密码（明文）POST

最简单的方式，直接提交即可；

2. 账号，密码（密文）POST

根据不同的场景分别处理：

• 需求：使用单个账号，登录一个目标网站，之后做各种处理；

这时，直接用FormData中加密后的密码提交；

• 需求：使用大量账号，登录一个目标网站；

这就要确定目标网站前端所采用的密码加密算法，常见的有MD5，RSA等；一般可以在前端JavaScript脚本中找到相关的加密方式；

Note:

1. 有时候会辅以token+密码的形式，而不仅仅是原密码进行加密（见第3种情况）；

2. 如果所有账号的密码都一样，此时也用不着确定加密算法了，可按前一种需求处理；

3. 账号，token+密码（密文）POST

首先要想办法获取token，token又有动、静之分：

• 动态token：每次打开登录页面后，都会返回一个不同的token，这需要分析页面信息，做相应的处理；

• 静态token：这种一般是在服务端定义好的一个固定密钥；当时遇到的是移动端的app，通过反编译安卓客户端软件.apk得到源码，从中找到的（忘记在请求中是否可以抓取到）……

4. 账号，上述任一情况，图片验证码 POST

这里同第2种情况，对于图片验证码，可根据需求分别处理：eg：

• 需求：使用单个账号，登录一个目标网站，之后做各种处理；

Solution：

这时，登录一次就可以，所以可将目标验证码下载下来，显示图片，人工识别即可；

• 需求：使用大量账号，登录一个目标网站，之后均做同样的操作与处理（具体场景，可自由发挥想象力）；

Solution：

由于需要重复进行登录动作，最简单的方法是扔给第三方平台（嗯，可能是人肉识别），这类平台一般需要充值、进行付费识别（正确率还可以，错误的可以报回给平台）；

高级一点的可利用OCR技术，再辅以图像处理技术，一般步骤是先处理图片，灰度化，去除背景色及噪点，提高对比度等，这有赖于图像处理算法能力，也有不少的库可以用，比如ImageMagick，然后通过OCR识别，推荐tesseract-ocr；对于容易识别的验证码可粗暴一点，直接由OCR识别，错了换一张就是了；

比较专业的是通过机器学习、神经网络等进行训练，然后喂给它新的图片，完成识别；这种方法对技术的要求挺高（一般都是调用现成的算法包，那也挺复杂的。。），虽然我的硕士研究方向是脑电信号处理，也用到了不少机器学习算法，可是最终还是没选择这条路，各有各的一片天地吧。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
。**

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！