作者: suger
查看: 984|回复: 0

[讨论] python爬虫对于登陆情况的处理

[复制链接]
suger 发表于 2020-6-28 17:41:08 | 显示全部楼层 |阅读模式
查看: 984|回复: 0

使用表单登陆

这种情况属于post请求,即先向服务器发送表单数据,服务器再将返回的cookie存入本地。

import requestsdata = {'data1':'XXXXX', 'data2':'XXXXX'}response = requests.post(url=url, data=data)


使用cookie登陆

使用cookie登陆,服务器会认为你是一个已登陆的用户,所以就会返回给你一个已登陆的内容。因此,需要验证码的情况可以使用带验证码登陆的cookie解决。

    #! -*- encoding:utf-8 -*-    import requests    import random    import requests.adapters    # 要访问的目标页面    targetUrlList = [        "https://httpbin.org/ip",        "https://httpbin.org/headers",        "https://httpbin.org/user-agent",    ]    # 代理服务器(产品官网 www.16yun.cn)    proxyHost = "t.16yun.cn"    proxyPort = "31111"    # 代理隧道验证信息    proxyUser = "username"    proxyPass = "password"    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {        "host": proxyHost,        "port": proxyPort,        "user": proxyUser,        "pass": proxyPass,    }    # 设置 http和https访问都是用HTTP代理    proxies = {        "http": proxyMeta,        "https": proxyMeta,    }    # 访问三次网站,使用相同的Session(keep-alive),均能够保持相同的外网IP    s = requests.session()    # 设置cookie    cookie_dict = {"JSESSION":"123456789"}    cookies = requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)    s.cookies = cookies    for i in range(3):        for url in targetUrlList:            r = s.get(url, proxies=proxies)            print r.text



若存在验证码,此时采用response = requests_session.post(url=url_login, data=data)是不行的,做法应该如下:

response_captcha = requests_session.get(url=url_login, cookies=cookies)response1 = requests.get(url_login) # 未登陆response2 = requests_session.get(url_login) # 已登陆,因为之前拿到了Response Cookie!response3 = requests_session.get(url_results) # 已登陆,因为之前拿到了Response Cookie!




回复 论坛版权

使用道具 举报

您需要登录后才可以回帖 登录 | 加入CSkin博客

本版积分规则

QQ|申请友链|小黑屋|手机版|Archiver|CSkin ( 粤ICP备13070794号

Powered by Discuz! X3.2  © 2001-2013 Comsenz Inc.  Designed by ARTERY.cn
GMT+8, 2024-3-29 02:14, Processed in 0.532697 second(s), 32 queries , Gzip On.

快速回复 返回顶部 返回列表