python模拟登陆实践

对于一些需要登陆的网址爬取数据，需要登录才能访问。本文介绍如何利用python进行模拟登陆

准备工具：  

　　1.搭建django 框架 用于模拟登陆

　　2.fiddler抓包工具，chrome浏览器

　　3.pycharm   编辑器

步骤：

　　1.开启django 服务，这里就不多描述，直接百度一下，就能找到很多答案(记得创建一个superuser，以便后面的登陆 )

　　　　进入 http://127.0.0.1:8000/admin/     这是django自带的后台,进行登陆时，django自带了  csrf 跨站脚本攻击的防御系统,这里进入浏览器的调试模式，找到csrf 所在标签下的value值

　　　　

django通过改变这个value值，来达到防止跨站攻击的效果。

　　

  2.用先前创建的superuser账号 123   zxc123456进行登陆，同时使用fiddler进行抓包

这里就是进行表单提交时需要的参数

# coding=utf-8
import requests
from lxml import etree

# 请求头也可以从fiddler中直接复制过来，按照字典的格式
headers = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
           'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36',
           'Accept-Encoding': 'gzip, deflate',
           'Accept-Language': 'zh-CN,zh;q=0.8',
           }


# 建立一个会话，可以把同一用户的不同请求联系起来；直到会话结束都会自动处理cookies
session = requests.Session()


def get_xsrf():
    """
    获取参数
    """
    response = session.get('http://127.0.0.1:8000/admin', headers=headers)
    html =response.text
    selector = etree.HTML(html)
   
　　# 这里我是通过xpath获取value值，也可以通过正则表达式
    _xsrf = selector.xpath('//*[@id="login-form"]/input/@value')
    print _xsrf,html
    return _xsrf


def login():

 # url通过fiddler抓取登陆时的url
    url = 'http://127.0.0.1:8000/admin/login/?next=/admin/'
    data = {'csrfmiddlewaretoken': get_xsrf(),
            'username': 123,
            'password': 'zxc123456',
            }
　　# 带表单的post请求
    result = session.post(url, data=data, headers=headers)
　　# 登陆成功后可以通过 请求需要登陆的地址进行测试
   # result2 = session.get('url',headers=heders)
　　# print result2.text

    print result.text


if __name__ == '__main__':
    login()

登陆成功，接下来就可以爬取你想要的数据了