很多网站为了避免被恶意访问,需要设置验证码登录,避免非人类的访问,Python爬虫实现验证码登录的原理则是先到登录页面将生成的验证码保存下来,然后人为输入后,包装后再POST给服务器,实现验证,这里还涉及到了Cookie,其实Cookie保存在本地主机上,避免用户重复输入用户名和密码,在连接服务器的时候将访问连接和Cookie组装起来POST给服务器。这里涉及到了两次向服务器POST,一次是Cookie,这里还自行设计想要Cookie的内容,由于是要登录,Cookie中存放的则是用户名和密码。第二次POST则是向服务器提交验证。
这里用到Python3,主要用到的包是re urllib.request http.cookiejar
上代码,借鉴了别人的代码~~~
- import re
- import urllib.request
- import http.cookiejar
-
-
- loginurl='https://www.douban.com/accounts/login'
- cookie = http.cookiejar.CookieJar()
- opener = urllib.request.build_opener(urllib.request.HTTPCookieProcessor)
-
- params={}
- params['form_email']='用户名'
- params['form_password']='密码'
- params['source']='http://www.douban.com/accounts/login'
-
-
- response = opener.open(loginurl,urllib.parse.urlencode(params).encode('utf-8'))
-
-
-
- if response.geturl()[0:33]=='https://accounts.douban.com/login':
- html = response.read().decode('utf-8')
-
-
- imgurl=re.search('<img id="captcha_image" src="(.+?)" alt="captcha" class="captcha_image"/>',html)
- if imgurl:
- url=imgurl.group(1)
-
-
- res=urllib.request.urlretrieve(url,'v.jpg')
- captcha = re.search('<input type="hidden" name="captcha-id" value="(.+?)"/>',html)
-
- if captcha:
- vcode=input('请输入图片上的验证码:')
- params["captcha-solution"] = vcode
- params["captcha-id"] = captcha.group(1)
- params["user_login"] = "登录"
-
- response = opener.open(loginurl,urllib.parse.urlencode(params).encode('utf-8'))
- if response.geturl()=="https://www.douban.com/":
- print("login sucess")
-