爬虫实战篇（模拟登录）
阅读目录
（1）、登录实质
（2）、什么是模拟登陆
（3）、实现方式
（4）、实例讲解（模拟登录去哪儿网）–这里我们用第二种实现方式
（1）、登录实质
互联网上的部分网站需要登录后方能访问，当我们打开网页并登录，就会在客户端生成Cookies（相当于个人身份证）信息，Cookies中包含了SessionId信息，登录后的请求都会带上Cookies发送给服务器，服务器会根据Cookies判断出对应的SessionID，进而找到会话，从而判断用户是否师登录状态，从而是否给用户响应。
（2）、什么是模拟登陆
答：让机器模拟人在浏览器上的行为登录网站
（3）、实现方式
1、使用虚拟的浏览器
步骤：请求登录页面的url----分析html中的表单数据----找到用户名和密码的输入框----输入自己的用户名和密码—模拟点击登录按钮即可
2、分析登录信息提交方式，利用浏览器cookie模拟登录
步骤：分析网页结构，确认登录方式，如账号密码登录或扫码登录----如是账号密码登录，确认有无验证码及验证码接口----进行错误登录尝试，观察登录系统的传码方案，如账号密码是否加密，是否有加密，是否有额外参数需要寻找，登录需要传入的cookie—根据错误登录的分析结果，寻找额外的参数和需要传入的cookie来源和密码加密函数—反复测试并编写代码
（4）、实例讲解（模拟登录去哪儿网）–这里我们用第二种实现方式
1、本节目标：模拟去哪儿网的登录过程并抓取信息
2、环境准备：
requests + re 库
3、知识储备
cookie:用户首次访问一个域名时，服务器给用户发送的数据，用来保持服务器与客户端之间的状态，这些数据即为cookie
session:另一种记录客户状态的机制，不同于cookie保存于客户机，它保存在服务器上，当客户端浏览器访问服务器时，服务器将客户端的信息以某种形式记录在服务器上，这就是session,而当客户端再次发起请求，就会从该session中查找用户的状态
这里做个类比：我们将银行比作服务器，而客户端就是去银行办事的人员，cookie相当于我们去银行办事时携带的身份证，被用来确定用户的身份，而session相当于银行保存的客户档案用来核实客户身份。
4、思路分析
（1）分析网页登录方式（这里我们使用chrome的无痕模式窗口 ctrl+shift+n），我们发现有三种方式：账号密码登录、短信验证码登录、扫码登录，这里我们采取账号密码登录方式
（2）分析验证码接口
（3）尝试错误登录，查看请求页面的form data ,构造请求函数，尝试使用爬虫进行登录,发现报错，通过分析我们发现需要传入cookie的参数为QN1、QN25、QN271、_i、_vi、fid
、
（4）寻找cookie来源，借助chrome的开发者工具
（5）在session通过get请求添加需要的cookie，再次尝试即可
5、代码详解：
首先获取session–获取cookies
复制代码
1
2
3
4 import requests
5
6 def get_start_session(): #获取session
7 s = requests.session()
8 return s
9
10 def get_base_cookies(s): #得到基础的cookies,这里使用session。get()发送请求,requests。get发送的请求互补干扰，相互独立，而session.get发送的请求的cookie会自动合并
11 response = s.get(‘https://user.qunar.com/passport/login.jsp’)
12 pass
13
14
15 if name == ‘main’:
16 session = get_start_session()
17 get_base_cookies(session)
复制代码
进行断点调试并输出：
接着：下载验证码图片（在当前的目录下新建一个img文件夹用来保存图片）
复制代码
1 def get_base_cookies(s):
2 response = s.get(‘https://user.qunar.com/passport/login.jsp’)
3 get_image(s) #立即下载图片
4
5 def get_image(s):
6 response = s.get(‘https://user.qunar.com/captcha/api/image?k={en7mni(z&p=ucenter_login&c=ef7d278eca6d25aa6aec7272d57f0a9a’)
7
8 with open(‘code1.png’ , ‘wb’) as f:
9 f.write(response.content)
复制代码
输出：
接着：尝试错误登录，这次我们使用正确的验证码
复制代码
1 #定义登录函数
2 def login(s,username,password,code): #使用session发送请求，方便合并cookies,并传入参数
3
4 data = {
5 ‘loginType’: 0,
6 ‘username’: username,
7 ‘password’: password,
8 ‘remember’: 1,
9 ‘vcode’: code,
10 }
11
12 url = ‘https://user.qunar.com/passport/login.jsp’
13
14
15 response = s.post(url ,data = data ) #这里我们使用post发送请求
复制代码
最后：结合chrome补全cookies参数，这里我们只需保存有用的cookie即可
复制代码
1 def get_base_cookies(s):
2 s.get(‘https://user.qunar.com/passport/login.jsp’)
3 get_image(s)
4 s.get(‘https://user.qunar.com/passport/addICK.jsp?ssl’)
5 response = s.get(‘https://rmcsdf.qunar.com/js/df.js?org_id=ucenter.login&js_type=0’)
6
7 #获取sessionid
8 session_id = re.findall(r’sessionId=(.*?)&’,response.text)
9 session_id = session_id[0] #脱壳操作
10
11 #获取fid
12 s.get(‘https://rmcsdf.qunar.com/api/device/challenge.json?callback=callback_1527735086394&sessionId={}&domain=qunar.com&orgId=ucenter.login’.format(session_id))
13 s.cookies.update({‘QN271’:session_id})
复制代码
（3）、完整代码
复制代码
3 import re
4 import requests
5
6 #使用requests库的会话维持用法
7 def start_get_session():
8 s = requests.session()
9 return s
10
11 def get_base_cookies(s):
12 s.get(‘https://user.qunar.com/passport/login.jsp’)
13 get_image(s)
14 s.get(‘https://user.qunar.com/passport/addICK.jsp?ssl’)
15 response = s.get(‘https://rmcsdf.qunar.com/js/df.js?org_id=ucenter.login&js_type=0’)
16
17 #获取sessionid
18 session_id = re.findall(r’sessionId=(.?)&’,response.text)
19 session_id = session_id[0] #脱壳操作
20
21 #获取fid
22 s.get(‘https://rmcsdf.qunar.com/api/device/challenge.json?callback=callback_1527735086394&sessionId={}&domain=qunar.com&orgId=ucenter.login’.format(session_id))
23 s.cookies.update({‘QN271’:session_id})
25
26
27
28 #获取图片
29 def get_image(s):
30 response = s.get(‘https://user.qunar.com/captcha/api/image?k={en7mni(z&p=ucenter_login&c=ef7d278eca6d25aa6aec7272d57f0a9a&t=1527644979725’)
31
32
33 with open(’./img/code.png’,‘wb’) as f:
34 f.write(response.content)
35
36
37 #登录函数
38 def login(s,username,password,code):
39 data = {
40 ‘loginType’: 0,
41 ‘username’: username,
42 ‘password’: password,
43 ‘remember’: 1,
44 ‘vcode’: code,
45 }
46
47 url = ‘https://user.qunar.com/passport/loginx.jsp’
48 response = s.post(url,data = data)
49 print(response.text)
50 response = s.get(‘http://user.qunar.com/index/basic’)
#模拟登录后爬取该网页
51 print(response.text)
52
53
54
55
#主函数
56 if name == ‘main’:
57 session = start_get_session()
58 get_base_cookies(session)
5 session = start_get_session()
mycode = get_base_cookies(session) #这里需要接第三方进行识别验证码，也可以打开本地保存的下来的图片进行手工输入。
username = ""
password = ""
code = mycode
login(session, username, password, code)
62
63 login(session,username,password,code) 复制代码
运行效果图：
