python爬虫模拟用户点击_Python爬虫笔记【一】模拟用户访问之表单处理（3）

学习的课本为《python网络数据采集》，大部分代码来此此书。

大多数网页表单都是由一些HTML 字段、一个提交按钮、一个在表单处理完之后跳转的“执行结果”（表单属性action 的值）页面构成。虽然这些HTML 字段通常由文字内容构成，但是也可以实现文件上传或其他非文字内容。这些都为抓取数据的阻碍所以放在了前面。废话不多说开搞。

1.HTTP基本接入认证

在发明cookie 之前，处理网站登录最常用的方法就是用HTTP 基本接入认证（HTTP basicaccess authentication）

importrequestsfrom requests.auth importAuthBasefrom requests.auth importHTTPBasicAuth

auth= HTTPBasicAuth('ryan', 'password')

r= requests.post(url="http://pythonscraping.com/pages/auth/login.php", auth=auth)print(r.text)

虽然这看着像是一个普通的POST 请求，但是有一个HTTPBasicAuth 对象作为auth 参数传递到请求中。显示的结果将是用户名和密码验证成功的页面（如果验证失败，就是一个拒绝接入页面）。

2.一般表单处理

表单源码：

First name:
Last name:

注意一下：首先，两个输入字段的名称是firstname 和lastname，这一点非常重要。字段的名称决定了表单被确认后要被传送到服务器上的变量名称。如果你想模拟表单提交数据的行为，你就需要保证你的变量名称与字段名称是一一对应的。其次注意表单的真实行为其实发生在processing.php（绝对路径是http://pythonscraping.com/files/processing.php）。表单的任何POST 请求其实都发生在这个页面上，并非表单本身所在的页面。

python语句：

importrequests

# 将提交的信息设置成字典

params= {'firstname': 'Ryan', 'lastname': 'Mitchell'}

# 找到post请求，data填入你要提交的字典

r= requests.post("http://pythonscraping.com/files/processing.php", data=params)print(r.text)

3.看个代码稍微多点的

并不需要看懂每个代码的意思，只要知道你需要那些信息就可以（这句写在前面）

html：

"value="submit">Join

虽然第一次看这些会觉得恐怖，但是大多数情况下你只需要关注两件事：

• 你想提交数据的字段名称（在这个例子中是email_addr）

• 表单的action 属性，也就是表单提交后网站会显示的页面（在这个例子中是http://post.oreilly.com/client/o/oreilly/forms/quicksignup.cgi）把对应的信息增加到请求信息中，运行代码即可：

importrequests

params= {'email_addr': 'ryan.e.mitchell@gmail.com'}

r= requests.post("http://post.oreilly.com/client/o/oreilly/forms/quicksignup.cgi", data=params)

print(r.text)

4.提交文件和图像

html：

Upload a file!

Submit a jpg, png, or gif:

python：

importrequests

files= {'uploadFile': open('../files/Python-logo.png', 'rb')}

r= requests.post("http://pythonscraping.com/pages/processing2.php",

files=files)print(r.text)

用selenium来处理表单

这里需要设置webdriver

from selenium importwebdriverfrom selenium.common.exceptions importTimeoutExceptionfrom selenium.webdriver.support.ui importWebDriverWaitfrom selenium.webdriver.support importexpected_conditions as ECfrom selenium.webdriver.common.keys importKeysimporttimefrom urllib.request importurlretrieve

driver=webdriver.Firefox()　　# 打开一个浏览器

# 下面是设置代理忽略掉就可以#profile = webdriver.FirefoxProfile()#profile.set_preference('network.proxy.type', 1)#profile.set_preference('network.proxy.http', '127.0.0.1')#profile.set_preference('network.proxy.http_port', 8080)#profile.update_preferences()#driver = webdriver.Firefox(firefox_profile=profile)

# 打开网址

driver.get("http://60.216.103.149/jwweb/sys/ValidateCode.aspx")

# 查看你需要输入的表单是否在frame中，如果在，你可能搜不到输入框的id，所以你需要跳转一下，如果没有下面一行代码可以忽略

driver.switch_to_frame('frm_login')

# 输入账号xxxx

driver.find_element_by_id("txt_admin").send_keys("xxxx")

# 键盘事件table键 跳转到密码输入框

driver.find_element_by_id("txt_admin").send_keys(Keys.TAB)

driver.find_element_by_id("txt_power").send_keys("xxxx")

# 找到登入按钮的id，设置点击事件提交表单

driver.find_element_by_id("btn_login").click()