爬虫脚本是大家经常用到的，那就避开不了登录 这一关。
使用Python一般需要request库，补充 header 中的 post 要素，有些还会有 隐藏的 hidden 参数，可以通过浏览器 F12 或者元素审查来发现，对于初学者来说都是一个坑。
还有需要解决验证码的问题，一种方法是下载验证码图片识别验证码再次post，或者使用云打码平台。当然，有些验证码及其变态就不那么容易解决了，比如选字顺序、滑块、12306那种人为都会选错的。
本篇分享一个GitHub项目《awesome-python-login-model》，主要就是利用Python解决登录主流平台的，包含24个主流平台，目前在GitHub上已经表星11.8k了。
Github链接：https://github.com/Kr1s77/awesome-python-login-model
已完成的主流网站
上面是作者已经完成的一些主流网站了，其中有的是通过 selenium登录，有的是通过 抓包直接模拟登录，有的是利用 scrapy框架。
这个很容易理解，因为有的网站设计比较复杂，通过抓包很难实现模拟登录，这样用 selenium+webdriver 就会相对轻松一些。
虽然在登录的时候采用的是selenium，为了效率，我们可以在登录过后得到的cookie维护起来，然后调用requests或者scrapy等进行数据采集，这样数据采集的速度可以得到保证。
模拟登录GitHub
这里给大家展示一个模拟登录GitHub的代码。
"""
github第二种登录方式
info:
author:CriseLYJ
github:https://github.com/CriseLYJ/
update_time:2019-3-7
"""
import re
import requests
from lxml import etree
class Login(object):
class GithubLogin(object):
def __init__(self, email, password):
# 初始化信息
self.headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36',
'Referer': 'https://github.com/',
'Host': 'github.com'
}
self.session = requests.Session()
self.login_url = 'https://github.com/login'
self.post_url = 'https://github.com/session'
self.session = requests.Session()
self.email = email
self.password = password
# 模拟登录
def login_GitHub(self):
# 登录入口
post_data = {
'commit': 'Sign in',
'utf8': '✓',
'authenticity_token': self.get_token(),
'login': self.email,
'password': self.password
}
resp = self.session.post(
self.post_url, data=post_data, headers=self.headers)
print('StatusCode:', resp.status_code)
if resp.status_code != 200:
print('Login Fail')
match = re.search(r'"user-login" content="(.*?)"', resp.text)
user_name = match.group(1)
print('UserName:', user_name)
response = self.session.post(self.post_url, data=post_data, headers=self.headers)
print(response.status_code)
print(post_data)
if response.status_code == 200:
print("登录成功！")
else:
print("登录失败！")
# 获取token信息
# Get login token
def get_token(self):
response = self.session.get(self.login_url, headers=self.headers)
html = etree.HTML(response.content.decode())
token = html.xpath('//input[@name="authenticity_token"]/@value')[0]
return token
if response.status_code != 200:
print('Get token fail')
return None
match = re.search(
r'name="authenticity_token" value="(.*?)"', response.text)
if not match:
print('Get Token Fail')
return None
return match.group(1)
if __name__ == '__main__':
email = input('请输入您的账号： ')
password = input('请输入您的密码： ')
email = input('Account:')
password = input('Password:')
login = Login(email, password)
login = GithubLogin(email, password)
login.login_GitHub()
相信这对初学爬虫的朋友是一个很好的教程。
但提示一下，模拟登录的代码随时都有可能失效，因为前端的网页HTML、CSS、JS等结构可能会根据公司业务调整之类的发生变化。
所以，重点是掌握了各种技巧，学会这些完全可以自己调试完成登录，那时候你也可以成为 contributor 了！
Github链接：https://github.com/Kr1s77/awesome-python-login-model
公众号文末改版了，如果觉得有帮助，还请多多支持，欢迎 分享、点赞、在看 三连。
