使用 Python 登录网站

对于大部分论坛，我们想要抓取其中的帖子分析，首先需要登录，否则无法查看。

　　这是因为 HTTP 协议是一个无状态(Stateless)的协议，服务器如何知道当前请求连接的用户是否已经登录了呢？有两种方式：

    在URI 中显式地使用 Session ID；
    利用 Cookie，大概过程是登录一个网站后会在本地保留一个 Cookie，当继续浏览这个网站的时候，浏览器会把 Cookie 连同地址请求一起发送过去。

　　Python 提供了相当丰富的模块，所以对于这种网络操作只要几句话就可以完成。我以登录 QZZN 论坛为例，事实上下面的程序几乎所有的 PHPWind 类型的论坛都是适用的。

    # -*- coding: GB2312 -*-

    from urllib import urlencode
    import cookielib, urllib2

    # cookie
    cj = cookielib.LWPCookieJar()
    opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
    urllib2.install_opener(opener)

    # Login
    user_data = {'pwuser': '你的用户名',
                 'pwpwd': '你的密码',
                 'step':'2'
                }
    url_data = urlencode(user_data)
    login_r = opener.open("http://bbs.qzzn.com/login.php", url_data)

　　一些注释：

    urllib2 显然是比 urllib 高级一点的模块，里面包括了如何使用 Cookies。
    在 urllib2 中，每个客户端可以用一个 opener 来抽象，每个 opener 又可以增加多个 handler 来增强其功能。
    在构造 opener 时指定了 HTTPCookieProcessor 做为 handler，因此这个 handler 支持 Cookie。
    使用 isntall_opener 后，调用 urlopen 时会使用这个 opener。
    如果不需要保存 Cookie，cj 这个参数可以省略。
    user_data 存放的就是登录所需要的信息，在登录论坛的时候把这个信息传递过去就行了。
    urlencode 功能是把字典 user_data 编码成"?pwuser=username&pwpwd=password"的形式，这样做是为了使程序易读一些。

　　最后一个问题是，pwuser、pwpwd 这类的名字是从哪儿来的，这就要分析需要登录的网页了。我们知道，一般的登录界面都是一个表单，节选如下：

    <form action="login.php?" method="post" name="login" onSubmit="this.submit.disabled = true;">
    <input type="hidden" value="" name="forward" />
    <input type="hidden" value="http://bbs.qzzn.com/index.php" name="jumpurl" />
    <input type="hidden" value="2" name="step" />
    ...
    <td width="20%" οnclick="document.login.pwuser.focus();"><input type="radio" name="lgt" value="0" checked />用户名 <input type="radio" name="lgt" value="1" />UID</td>
    <td><input class="input" type="text" maxLength="20" name="pwuser" size="40" tabindex="1" /> <a href="reg1ster.php">马上注册</a></td>
    <td>密　码</td>
    <td><input class="input" type="password" maxLength="20" name="pwpwd" size="40" tabindex="2" /> <a href="sendpwd.php" target="_blank">找回密码</a></td>
    ...
    </form>

　　从这里可以看出，我们需要输入的用户名密码对应的就是 pwuser 和 pwpwd，而 step 对应的则是登录（这个是尝试出来的）。

　　注意到，这个论坛表单采用的是 post 方式，如果是 get 方式则本文的方法就需要变动一下，不能直接 open，而是应该首先 Request，然后再 open。更详细的请看手册...

原贴：http://www.cnblogs.com/huangcong/archive/2011/08/30/2160083.html