python利用cookie登录(python爬虫教程pdf)

全栈程序员-站长 • 2022年4月17日下午4:40 • 未分类 • 阅读 50

http://blog.csdn.net/pipisorry/article/details/47948065实战1：使用cookie登录哈工大ACM网站获取网站登录地址http://acm.hit.edu.cn/hoj/system/login查看要传送的post数据user和passwordCode:#!/usr/bin/envpython#-*-

大家好，又见面了，我是你们的朋友全栈君。

http://blog.csdn.net/pipisorry/article/details/47948065

实战1：使用cookie登录哈工大ACM网站

获取网站登录地址

http://acm.hit.edu.cn/hoj/system/login

查看要传送的post数据

user和password

Code:

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
__author__ = 'pi'
__email__ = 'pipisorry@126.com'

"""
import urllib.request, urllib.parse, urllib.error
import http.cookiejar

LOGIN_URL = 'http://acm.hit.edu.cn/hoj/system/login'
values = {
 
 'user': '******', 'password': '******'} # , 'submit' : 'Login'
postdata = urllib.parse.urlencode(values).encode()
user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'
headers = {
 
 'User-Agent': user_agent, 'Connection': 'keep-alive'}

cookie_filename = 'cookie.txt'
cookie = http.cookiejar.MozillaCookieJar(cookie_filename)
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)

request = urllib.request.Request(LOGIN_URL, postdata, headers)
try:
    response = opener.open(request)
    page = response.read().decode()
    # print(page)
except urllib.error.URLError as e:
    print(e.code, ':', e.reason)

cookie.save(ignore_discard=True, ignore_expires=True)  # 保存cookie到cookie.txt中
print(cookie)
for item in cookie:
    print('Name = ' + item.name)
    print('Value = ' + item.value)

get_url = 'http://acm.hit.edu.cn/hoj/problem/solution/?problem=1'  # 利用cookie请求访问另一个网址
get_request = urllib.request.Request(get_url, headers=headers)
get_response = opener.open(get_request)
print(get_response.read().decode())
# print('You have not solved this problem' in get_response.read().decode())

Note:

1. 直接open http://acm.hit.edu.cn/hoj/problem/solution/?problem=1页面不知道去哪了，根本不是直接用浏览器登录后的界面！用cookie登录就可以正常访问，html代码中会有一句话you have not solved this problem，因为我没做这道题。

2. 原理：创建一个带有cookie的opener，在访问登录的URL时，将登录后的cookie保存下来，然后利用这个cookie来访问其他网址。查看登录之后才能看到的信息。[python 3.3.2 爬虫记录]

重复使用cookie登录

上面代码中我们保存cookie到文件中了，下面我们可以直接从文件导入cookie进行登录，不用再构建包含用户名和密码的postdata了

import urllib.request, urllib.parse, urllib.error
import http.cookiejar

cookie_filename = 'cookie.txt'
cookie = http.cookiejar.MozillaCookieJar(cookie_filename)
cookie.load(cookie_filename, ignore_discard=True, ignore_expires=True)
print(cookie)
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)

get_url = 'http://acm.hit.edu.cn/hoj/problem/solution/?problem=1'  # 利用cookie请求访问另一个网址
get_request = urllib.request.Request(get_url)
get_response = opener.open(get_request)
print(get_response.read().decode())

皮皮Blog

实战2：使用cookie登录伯乐在线

获取网站登录地址

1. chrome浏览器中按F12审查元素 > Network > Headers > General > Request URL: http://www.jobbole.com/login/?redirect=http://www.jobbole.com/

然而这个并不是其真实网站登录网址^-^

python利用cookie登录(python爬虫教程pdf)

2. 也可以下载软件Fiddler for .NET2查看相关信息。运行python程序访问和直接在浏览器中刷新都可以在fiddler中找到相关信息。
Note: fiddler其实是抓包用的，是独立的工具。类似这种前端登录动作，也可以用casperjs。还可以用HttpWatch浏览器嵌入工具。

查看200所在的条目（200：请求成功处理方式：获得响应的内容，进行处理）

python利用cookie登录(python爬虫教程pdf)

下面是登录后看到的request中有webforms的信息对应的网址是也就是其真实网站登录网址http://www.jobbole.com/wp-admin/admin-ajax.php

python利用cookie登录(python爬虫教程pdf)

(吓死爷了，第一次上传竟然忘了把密码遮住！)

查看要传送的post数据

1. 上面使用fiddler看到的webforms就是登录要用的post数据要包含的（其中redict_url是可以不加上去的）

2. 或者使用浏览器Elements > html文档中所要提交的数据有name和password，然而这个并不是真实的post数据^-^

python利用cookie登录(python爬虫教程pdf)

查看headers信息

如果不自己添加headers信息中的User-Agent，python代码登录时会默认使用User-Agent: Python-urllib/3.4

我们在chrome浏览器中按F12审查元素 > Network > Headers中可以看到User-Agent应该设置为：’Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36′

一般要添加的headers信息有：

'Host': '', 'Accept': '', 'User-Agent': '', 'Accept-Language': ''， Accept-Encoding

登录后查看request headers

发现cookie发生了变化，加上了用户名***和密码*************

  Cookie:

wordpress_test_cookie=WP+Cookie+check

  Cookie:

  wordpress_test_cookie=WP+Cookie+check; wordpress_logged_in_0efdf49af511fd88681529ef8c2e5fbf=****%7C1440690138%*********************

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
__title__ = ''
__author__ = 'pi'
__mtime__ = '8/23/2015-023'
__email__ = 'pipisorry@126.com'
# code is far away from bugs with the god animal protecting
    I love animals. They taste delicious.
              ┏┓      ┏┓
            ┏┛┻━━━┛┻┓
            ┃      ☃      ┃
            ┃  ┳┛  ┗┳  ┃
            ┃      ┻      ┃
            ┗━┓      ┏━┛
                ┃      ┗━━━┓
                ┃  神兽保佑    ┣┓
                ┃　永无BUG！   ┏┛
                ┗┓┓┏━┳┓┏┛
                  ┃┫┫  ┃┫┫
                  ┗┻┛  ┗┻┛
"""
import urllib.request, urllib.parse, urllib.error
import http.cookiejar

LOGIN_URL = 'http://www.jobbole.com/wp-admin/admin-ajax.php'
get_url = 'http://www.jobbole.com/'  # 利用cookie请求访问另一个网址

values = {
   
   'action': 'user_login', 'user_login': '*****', 'user_pass': '******'}
postdata = urllib.parse.urlencode(values).encode()
user_agent = r'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'
headers = {
   
   'User-Agent': user_agent}

cookie_filename = 'cookie_jar.txt'
cookie_jar = http.cookiejar.MozillaCookieJar(cookie_filename)
handler = urllib.request.HTTPCookieProcessor(cookie_jar)
opener = urllib.request.build_opener(handler)

request = urllib.request.Request(LOGIN_URL, postdata, headers)
try:
    response = opener.open(request)
    # print(response.read().decode())
except urllib.error.URLError as e:
    print(e.code, ':', e.reason)

cookie_jar.save(ignore_discard=True, ignore_expires=True)  # 保存cookie到cookie.txt中
for item in cookie_jar:
    print('Name = ' + item.name)
    print('Value = ' + item.value)

get_request = urllib.request.Request(get_url, headers=headers)
get_response = opener.open(get_request)
print('个人主页' in get_response.read().decode())

 Note:

1. cookie登录不成功则会输出：

Name = wordpress_test_cookie

Value = WP+Cookie+check

这个就说明之前根本没有登录成功，主要是真实登录地址不对！

2. cookie登录成功时会输出：

Name = wordpress_0efdf49af511fd88681529ef8c2e5fbf

Value = *****%***%*******************(value中会包含账户和密码)

并且jobbole_response.read()输出中存在“个人主页”“退出登录”字样，就说明登录成功了，否则只会有“登录”“注册”之类的字符串。

使用刚刚保存的cook_jar.txt文件登录参见[python爬虫 – Urllib库及cookie的使用 – 从文件中获取Cookie并访问]

皮皮Blog

实战3：使用cookie登录知乎

目前知乎采用动态验证码破解还没验证，这样post里面还需要captcha的参数。待定。。。

Note:这个_xsrf其实可以不submit，它已经作为cookie写进去了。可以看看登入www.zhihu.com的返回的header。

皮皮Blog

实战4：使用cookie登录本科网站爬取成绩信息

注意这个网站是https的网站，不过和上面的cookie登录的http网站一样登录。登录的是电子科大门户（因为小编就是UESTC的嘛）

获取本科网站登录地址

1. chrome浏览器中按F12审查元素 > Network > Headers > General > Request URL:https://uis.uestc.edu.cn/amserver/UI/Login

可以看到其真实网站登录网址为https://uis.uestc.edu.cn/amserver/UI/Login

2. 当然也可以用fiddler抓取https的请求，不过要配置一下：Tools > fiddler options > https > capture…和decrypt都打√ > 然后根据提示安装一证书yes就可以了

查看要传送的post数据

打开fiddler python利用cookie登录(python爬虫教程pdf) 后，浏览器中登录门户网站，在fidddles中看到对应的webforms实际提交的数据，不过也只要IDToken1′, ‘IDToken2这两个数据。

python利用cookie登录(python爬虫教程pdf)

代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
__author__ = 'pi'
__email__ = 'pipisorry@126.com'
"""
import urllib.request
import urllib.parse
import urllib.error
import http.cookiejar

LOGIN_URL = r'https://uis.uestc.edu.cn/amserver/UI/Login'  # 登录教务系统的URL
get_url = 'http://eams.uestc.edu.cn/eams/teach/grade/course/person.action'  # 利用cookie请求访问另一个网址

values = {'IDToken1': '201106******', 'IDToken2': '***********'}
postdata = urllib.parse.urlencode(values).encode()
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36'}

cookie_filename = 'cookie_jar.txt'
cookie_jar = http.cookiejar.MozillaCookieJar(cookie_filename)
handler = urllib.request.HTTPCookieProcessor(cookie_jar)
opener = urllib.request.build_opener(handler)

request = urllib.request.Request(LOGIN_URL, postdata, headers)
try:
    response = opener.open(request)
    # print(response.read().decode())
except urllib.error.URLError as e:
    print(e.code, ':', e.reason)

cookie_jar.save(ignore_discard=True, ignore_expires=True)  # 保存cookie到cookie.txt中
for item in cookie_jar:
    print('Name = ' + item.name)
    print('Value = ' + item.value)

get_request = urllib.request.Request(get_url, headers=headers)
get_response = opener.open(get_request)
print(get_response.read().decode())

小编已gui，里面什么也没了，显示没有信息！楼主毕业了的T^T

[pyQuery语法來操作解析 HTML 文档解析教学网页]

[
计算大学本学期绩点]

from:http://blog.csdn.net/pipisorry/article/details/47948065

ref:

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/126540.html原文链接：https://javaforall.net

python

0 0

关于作者

全栈程序员-站长

133.5K 文章

3 粉丝

本网站汇聚当前互联网主流语音，持续更新，欢迎关注公众号“全栈程序员社区”

无人机wifi图传模块(手机远程控制)

上一篇 2022年4月17日下午4:40

ubuntu 安装教程(2016年qq版本v6.3.6)

下一篇 2022年4月17日下午4:40

SQL存储过程的优缺点

SQL存储过程的优缺点概要存储过程是由一些 SQL 语句和控制语句组成的被封装起来的过程它驻留在数据库中可以被客户应用程序调用用户通过指定存储过程的名字并给定参数如果该存储过程带有参数来调用执行它也可以从另一个过程或触发器调用存储过程是可编程的函数在数据库中创建并保存可以由 SQL 语句和控制结构组成当想要在不同的应用程序或平台上执行相同的函数或者封装特定功能时存储过程是非常有用的数据库中的

全栈程序员-站长
2026年3月26日
2
scrollTop和scrollHeight「建议收藏」

scrollTop和scrollHeight「建议收藏」scollTopscrollTop可以被设置为任何整数值，同时注意：如果一个元素不能被滚动（例如，它没有溢出，或者这个元素有一个”non-scrollable”属性），scrollTop将被设置为0。设置scrollTop的值小于0，scrollTop被设为0如果设置了超出这个容器可滚动的值,scrollTop会被设为最大值.总结：元素发生溢出时可以设置scrollT…

全栈程序员-站长
2022年7月24日
10
附pdf下载 |《深度强化学习实战》（含最新源代码）

附pdf下载 |《深度强化学习实战》（含最新源代码）

全栈程序员-站长
2020年11月14日
408
深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解

深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解因为工作原因，项目中经常遇到目标检测的任务，因此对目标检测算法会经常使用和关注，比如Yolov3、Yolov4算法。当然，实际项目中很多的第一步，也都是先进行目标检测任务，比如人脸识别、多目标追踪、REID、客流统计等项目。因此目标检测是计算机视觉项目中非常重要的一部分。从2018年Yolov3年提出的两年后，在原作者声名放弃更新Yolo算法后，俄罗斯的Alexey大神扛起了Yolov4的大旗。在此，大白将项目中，需要了解的Yolov3、Yolov4系列相关知识点以及相关代码进行完整的汇总，希望和大家

全栈程序员-站长
2022年6月12日
59
2021年程序员平均工资_中国程序员数量

2021年程序员平均工资_中国程序员数量前言两会期间，包括腾讯董事会主席兼首席执行官马化腾，百度董事长兼CEO李彦宏，小米创始人兼CEO雷军等一众互联网科技大佬提出了一系列的提案，围绕数字经济，自动驾驶，网络安全，智能制造等细分领域，仿佛手握未来一年的数字化密码，为我们开启新世界的大门。他们是新世界的指向灯，在他们背后则是无数的新世界探索者，通过指尖代码为未来铺路的程序员们，一直以来，作为备受人们关注的群体，互联网的飞速发展时期离不开他们。为了更好地顺应时代发展形式，运用技术改善生活，程序员客栈对中国程序员薪资和生活现状做了一些

全栈程序员-站长
2022年10月10日
4
Linux查看磁盘是否被占满,怎么查看Linux磁盘空间是否满了？

Linux查看磁盘是否被占满,怎么查看Linux磁盘空间是否满了？如果你在使用 Linux 过程中遇到无法读写磁盘应用程序无法执行请求响应不了等问题那多半是 Linux 系统磁盘空间满了那么怎么才能知道 Linux 磁盘空间满了呢又该如何解决呢 Df 命令是 linux 系统以磁盘分区为单位查看文件系统可以加上参数查看磁盘剩余空间信息命令格式 df hl 显示格式为文件系统容量已用可用已用挂载点 FilesystemSi

全栈程序员-站长
2026年3月17日
1

python利用cookie登录(python爬虫教程pdf)

关于作者

相关推荐

发表回复