python selenium采集速卖通_用 Python 登录 24 个主流网站

爬虫脚本是大家经常用到的，那就避开不了 登录   这一关。 使用Python一般需要request库，补充 header 中的 post 要素，有些还会有 隐藏的 hidden 参数，可以通过浏览器 F12 或者元素审查来发现，对于初学者来说都是一个坑。 还有需要解决验证码的问题，一种方法是下载验证码图片识别验证码再次post，或者使用云打码平台。当然，有些验证码及其变态就不那么容易解决了，比如选字顺序、滑块、12306那种人为都会选错的。 本篇分享一个GitHub项目 《awesome-python-login-model》 ，主要就是利用Python解决登录主流平台的，包含24个主流平台，目前在GitHub上已经表星11.8k了。 Github链接：https://github.com/Kr1s77/awesome-python-login-model

▍已完成的主流网站

上面是作者已经完成的一些主流网站了，其中有的是通过  selenium登录 ，有的是通过  抓包直接模拟登录 ，有的是利用 scrapy框架。 这个很容易理解，因为有的网站设计比较复杂，通过抓包很难实现模拟登录，这样用 selenium+webdriver 就会相对轻松一些。 虽然在登录的时候采用的是selenium，为了效率，我们可以在登录过后得到的cookie维护起来，然后调用requests或者scrapy等进行数据采集，这样数据采集的速度可以得到保证。

▍模拟登录GitHub

这里给大家展示一个模拟登录GitHub的代码。

"""
github第二种登录方式
info:
author:CriseLYJ
github:https://github.com/CriseLYJ/
update_time:2019-3-7
"""

import re
import requests
from lxml import etree


class Login(object):
class GithubLogin(object):

    def __init__(self, email, password):

        # 初始化信息
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36',
            'Referer': 'https://github.com/',
            'Host': 'github.com'
        }

        self.session = requests.Session()
        self.login_url = 'https://github.com/login'
        self.post_url = 'https://github.com/session'
        self.session = requests.Session()

        self.email = email
        self.password = password

    # 模拟登录
    def login_GitHub(self):

        # 登录入口
        post_data = {
            'commit': 'Sign in',
            'utf8': '✓',
            'authenticity_token': self.get_token(),
            'login': self.email,
            'password': self.password
        }
        resp = self.session.post(
            self.post_url, data=post_data, headers=self.headers)

        print('StatusCode:', resp.status_code)
        if resp.status_code != 200:
            print('Login Fail')
        match = re.search(r'"user-login" content="(.*?)"', resp.text)
        user_name = match.group(1)
        print('UserName:', user_name)

        response = self.session.post(self.post_url, data=post_data, headers=self.headers)

        print(response.status_code)
        print(post_data)

        if response.status_code == 200:
            print("登录成功！")
        else:
            print("登录失败！")

    # 获取token信息
    # Get login token
    def get_token(self):

        response = self.session.get(self.login_url, headers=self.headers)

        html = etree.HTML(response.content.decode())

        token = html.xpath('//input[@name="authenticity_token"]/@value')[0]

        return token
        if response.status_code != 200:
            print('Get token fail')
            return None
        match = re.search(
            r'name="authenticity_token" value="(.*?)"', response.text)
        if not match:
            print('Get Token Fail')
            return None
        return match.group(1)

if __name__ == '__main__':
    email = input('请输入您的账号： ')
    password = input('请输入您的密码： ')
    email = input('Account:')
    password = input('Password:')

    login = Login(email, password)
    login = GithubLogin(email, password)
    login.login_GitHub()

相信这对初学爬虫的朋友是一个很好的教程。 但提示一下，模拟登录的代码随时都有可能失效，因为前端的网页HTML、CSS、JS等结构可能会根据公司业务调整之类的发生变化。 所以，重点是掌握了各种技巧，学会这些完全可以自己调试完成登录，那时候你也可以成为 contributor 了！ Github链接：https://github.com/Kr1s77/awesome-python-login-model

推荐阅读： 用 Python 进行系统聚类分析 用 Python 对数据进行相关性分析 如何在 matplotlib 中加注释和内嵌图 如何用一行代码让 gevent 爬虫提速 100%

▼点击成为社区会员   喜欢就点个在看吧