python爬虫模拟登录人人网

模拟登录：爬取基于某些用户的用户信息。

需求1：对人人网进行模拟登录。

点击登录按钮之后会发起一个post请求post请求中会携带登录之前录入的相关的登录信息（用户名，密码，验证码…）验证码：每次请求都会变化

需求2：爬取当前用户的相关的用户信息（个人主页中显示的用户信息）

http/https协议特性：无状态。

没有请求到对应页面数据的原因：

发起的第二次基于个人主页页面请求的时候，服务器端并不知道该此请求是基于登录状态下的请求。

cookie：用来让服务器端记录客户端的相关状态。

手动处理：通过抓包工具获取cookie值，将该值封装到headers中。（不建议）自动处理：

- cookie值的来源是哪里？

- 模拟登录post请求后，由服务器端创建。

session会话对象：

作用：

可以进行请求的发送。如果请求过程中产生了cookie，则该cookie会被自动存储/携带在该session对象中。

-创建一个session对象：session = requests.Session()

- 使用session对象进行模拟登录post请求的发送（cookie就会被存储在session中）

- session对象对个人主页对应的get请求进行发送（携带了cookie）

1. 对/发送请求，拿到下面这个页面的源码

2. 对页面中的验证码图片进行定位，获取到img标签中的src属性的值，再对src中的网址发送get请求，将验证码图片保存到本地，后面会使用超级鹰打码平台将保存到本地的验证码图片进行识别

3. 点击登录按钮通过浏览器抓包，发现浏览器向服务器发送了一个post请求，请求的url为/ajaxLogin/login?1=1&uniqueTimestamp=12910495，抓取该次请求的数据包，查看响应头信息中是否存在set-cookie，如果有，则证实该次请求时，服务器端给客户端创建了会话对象，且创建了cookie返回给了客户端进行存储。

果然存在set-cookie，因此，我们在使用requests模块进行模拟登陆时，发起的请求也是需要携带cookie的。那么cookie如何被携带到requests的请求中呢？

requests模块处理cookie的两种方式： 将cookie手动从抓包工具中获取，然后封装到requests请求的headers中,将headers作用到请求方法中。（不建议）

headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36','Cookie':'xxxxxxxxx'}

创建会话对象，使用会话对象进行请求发送。因为会话中会自动携带且处理cookie。（推荐）

#创建会话对象,该会话对象可以调用get和post发起请求session = requests.Session()page_text = session.get(url=url,headers=headers).text......

4. 通过对网站登录的抓包，发现了请求的url为：/974713149，响应回来的就是我们所需要的登录成功之后的首页。所以对这个url发送请求，并注意模拟请求头User-Agent、Referer、Cookie

5. 对/974713149/profile发送get请求拿到下面个人主页的源码：

代码演示：

将cookie手动从抓包工具中获取，然后封装到requests请求的headers中,将headers作用到请求方法中。（不建议）

# 编码流程：#1.验证码的识别，获取验证码图片的文字数据#2.对get请求进行发送#3.对响应数据进行持久化存储import requestsfrom lxml import etreefrom hashlib import md5# 封装识别验证码图片的函数def getCodeText(userName, password, appId, imgUrl):class Chaojiying_Client(object):def __init__(self, username, password, soft_id):self.username = usernamepassword = password.encode('utf8')self.password = md5(password).hexdigest()self.soft_id = soft_idself.base_params = {'user': self.username,'pass2': self.password,'softid': self.soft_id,}self.headers = {'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}def PostPic(self, im, codetype):"""im: 图片字节codetype: 题目类型 参考 /price.html"""params = {'codetype': codetype,}params.update(self.base_params)files = {'userfile': ('ccc.jpg', im)}r = requests.post('/Upload/Processing.php', data=params, files=files,headers=self.headers)return r.json()def ReportError(self, im_id):"""im_id:报错题目的图片ID"""params = {'id': im_id,}params.update(self.base_params)r = requests.post('/Upload/ReportError.php', data=params, headers=self.headers)return r.json()if __name__ == '__main__':chaojiying = Chaojiying_Client(userName, password, appId) # 用户中心>>软件ID 生成一个替换 96001im = open(imgUrl, 'rb').read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//# print(chaojiying.PostPic(im, 1902)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()return chaojiying.PostPic(im, 1902)# 1.对验证码图片进行捕获和识别headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36','Referer': '/SysHome.do','Cookie': 'anonymid=klgdsqz5n7c6dn; depovince=ZGQT; _r01_=1; JSESSIONID=abcqWHDNhNOVf95ntfjFx; taihe_bi_sdk_uid=926da97ed7bdff5fc3ece47fdd554b0b; taihe_bi_sdk_session=ffa92a5a812142ba8dac302676d881cd; ick_login=426dff64-6952-4319-8c8f-96ea6f498550; first_login_flag=1; ln_uact=910456393@; ln_hurl=/photos/hdn421/205/2035/h_main_9aN0_0c1b00037b06195a.jpg; wp_fold=0; jebecookies=c2363801-e587-4f54-8566-24b86aa22659|||||; _de=B3D043F455F38852340E4CEC836F3769696BF75400CE19CC; p=2e69883207d99e253471f621d896037d9; t=1f917c44eaa1178b8bd357e96d7346fc9; societyguester=1f917c44eaa1178b8bd357e96d7346fc9; id=974713149; xnsid=364172ac; loginfrom=syshome'}url = '/'page_text = requests.get(url=url,headers=headers).texttree = etree.HTML(page_text)img_url = tree.xpath('//*[@id="verifyPic_login"]/@src')[0]print(img_url)img_data = requests.get(img_url,headers=headers).contentprint(img_data)with open('./code.jpg','wb') as fp:fp.write(img_data)# 使用超级鹰打码提供的示例代码对验证码图片进行识别result = getCodeText('用户名','密码', 'appid', '验证码本地存储的路径')print(result['pic_str'])# 2.对get请求进行发送login_url = '/9747139'login_page_text = requests.get(url=login_url, headers=headers).textwith open('renren.html','w',encoding='utf-8') as fp:fp.write(login_page_text)# 爬取当前用户的个人主页对应的页面数据detail_url = '/974713149/profile'detail_page_text = requests.get(url=detail_url, headers=headers).textwith open('zep.html','w',encoding='utf-8') as fp:fp.write(detail_page_text)

保存到本地的renren.html:

保存到本地的zep.html:

2. 创建会话对象，使用会话对象进行请求发送。因为会话中会自动携带且处理cookie。（推荐）

# 编码流程：#1.验证码的识别，获取验证码图片的文字数据#2.对get请求进行发送#3.对响应数据进行持久化存储import requestsfrom lxml import etreefrom hashlib import md5# 封装识别验证码图片的函数def getCodeText(userName, password, appId, imgUrl):class Chaojiying_Client(object):def __init__(self, username, password, soft_id):self.username = usernamepassword = password.encode('utf8')self.password = md5(password).hexdigest()self.soft_id = soft_idself.base_params = {'user': self.username,'pass2': self.password,'softid': self.soft_id,}self.headers = {'Connection': 'Keep-Alive','User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)',}def PostPic(self, im, codetype):"""im: 图片字节codetype: 题目类型 参考 /price.html"""params = {'codetype': codetype,}params.update(self.base_params)files = {'userfile': ('ccc.jpg', im)}r = requests.post('/Upload/Processing.php', data=params, files=files,headers=self.headers)return r.json()def ReportError(self, im_id):"""im_id:报错题目的图片ID"""params = {'id': im_id,}params.update(self.base_params)r = requests.post('/Upload/ReportError.php', data=params, headers=self.headers)return r.json()if __name__ == '__main__':chaojiying = Chaojiying_Client(userName, password, appId) # 用户中心>>软件ID 生成一个替换 96001im = open(imgUrl, 'rb').read() # 本地图片文件路径 来替换 a.jpg 有时WIN系统须要//# print(chaojiying.PostPic(im, 1902)) # 1902 验证码类型 官方网站>>价格体系 3.4+版 print 后要加()return chaojiying.PostPic(im, 1902)#创建会话对象,该会话对象可以调用get和post发起请求session = requests.Session()# 1.对验证码图片进行捕获和识别headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36','Referer': '/SysHome.do',# 'Cookie': 'anonymid=klgdsqz5n7c6dn; depovince=ZGQT; _r01_=1; JSESSIONID=abcqWHDNhNOVf95ntfjFx; taihe_bi_sdk_uid=926da97ed7bdff5fc3ece47fdd554b0b; taihe_bi_sdk_session=ffa92a5a812142ba8dac302676d881cd; ick_login=426dff64-6952-4319-8c8f-96ea6f498550; first_login_flag=1; ln_uact=910456393@; ln_hurl=/photos/hdn421/05/235/h_main_9aN0_0c1b00b06195a.jpg; wp_fold=0; jebecookies=c2363801-e587-4f54-8566-24b86aa22659|||||; _de=B3D043F455F38852340E4CEC836F3769696BF75400CE19CC; p=2e69883207d99e253471f621d896037d9; t=1f917c44eaa1178b8bd357e96d7346fc9; societyguester=1f917c44eaa1b8bd357e96d7346fc9; id=974713149; xnsid=364172ac; loginfrom=syshome'}url = '/'page_text = session.get(url=url,headers=headers).texttree = etree.HTML(page_text)img_url = tree.xpath('//*[@id="verifyPic_login"]/@src')[0]print(img_url)img_data = session.get(img_url,headers=headers).contentprint(img_data)with open('./code.jpg','wb') as fp:fp.write(img_data)# 使用超级鹰打码提供的示例代码对验证码图片进行识别result = getCodeText('用户名','密码', 'appid', '验证码图片的路径')print(result['pic_str'])login_post_url = '/ajaxLogin/login?1=1&uniqueTimestamp=12910495'data = {'email': '910451393@','icode': result['pic_str'],'origURL': '/home','domain': '','key_id': '1','captcha_type': 'web_login','password': '346d050fe82d3cfe090210864d73b65b5608bf90173371b3c10e7df6e533','rkey': '3a7cdde0b042c1ba11169c3378fd5b','f': 'http%3A%2F%%2F974713149%2Fnewsfeed%2Fphoto'}response = session.post(url=login_post_url, headers=headers,data=data)print(response.text)# 2.对get请求进行发送login_url = '/974713149'login_page_text = session.get(url=login_url, headers=headers).textwith open('renren.html','w',encoding='utf-8') as fp:fp.write(login_page_text)# 爬取当前用户的个人主页对应的页面数据detail_url = '/974713149/profile'detail_page_text = session.get(url=detail_url, headers=headers).textwith open('zep.html','w',encoding='utf-8') as fp:fp.write(detail_page_text)

zep.html:

如果觉得《python爬虫模拟登录人人网》对你有帮助，请点赞、收藏，并留下你的观点哦！