python 登录新浪微博_Python 模拟登录新浪微博
在极客学院中看了一个关于爬虫的视频,然后自己实现一遍,并做此记录。 视频链接:http://www.jikexueyuan.com/course/995_4.html?ss=1
该文中的登录方式已经失效。。,思路可以借鉴。
使用requests模块,post需要的表单数据来登录新浪微博手机端(手机端简单点。。),并访问登录后的页面。该方法是定向页面的爬取,如果要批量爬取,使用框架会好一些。
确认登录所需的表单数据
chrome浏览器中访问http://weibo.cn/pub/,点击登录,会进入手机端登录页面。登录微博,并通过开发者工具抓包来分析提交的form信息。如下图:
图1:登录页面(有验证码)
微博登录页面
图2:打开开发者工具,输入账号密码登录,看需要提交的form信息
开发者工具
根据图2,发现需要提交的form信息有下边几个:
mobile:login_name #用户名
password_8891:login_password #密码(password_8891 这个每次都变)
code:fcjf #验证码
remember:on #是否记住登录状态,相当于图1中选中的’记住登录状态‘选项
backURL:http%3A%2F%2Fweibo.cn%2F #登录成功后返回的页面
backTitle:微博
tryCount: #尝试的登录次数
vk:8891_ea7c_2358890024 # vk(每次登录可能会不一样)
capId:2_5cb16cf8473df571 # capId
submit:登录
form表单中不固定,需要我们自己取的表单项有password_8891、code、vk、capId。这些值实际上是从图1中带过来的,使用浏览器打开图1的源码,会发现这些选项。如下图图3:
图3:图1登录页面的部分源码
登录页面源码
基本上我们可以从上图获取到form表单中所需的数据。使用lxml模块来分离出这些信息来。
处理验证码
在表单信息中,有一个code的表单项,是图1中的验证码,自动识别验证码现在还不会,只能用人肉识别,处理方式是在图1的源码中取得验证码的url地址,并保存到本地,然后手动输入。
登录login页面
使用requests模块登录页面,如果我们想访问一些登录后才能访问的页面,有两种方式。
方法一:一开始就访问目标页面,会跳转到登录页面,当我们成功登录后,会根据表单中的backURL自动跳转到目标页面,从而获取我们需要数据。
方法二:使用requests模块的session保持功能,直接请求登录页面,成功后,因为有cookies,所以我们可以直接访问我们需要的页面。这里使用这种方式。
程序代码
# 刚学不久,比较low
#!/usr/bin/env python
#coding=utf-8
import requests
from lxml import etree
import urllib
# 使用requests的会话方法
s = requests.session()
# 定义登录页面和最终要访问的页面(需要登录才能访问)
url_login = "http://login.weibo.cn/login/"
url_final = "http://weibo.cn/msg/"
# 定义自己微博的账户和密码
login_name = "..."
login_password = "..."
# 如果使用第一种方式,可以这样请求
#res = requests.get(url_final).content
# 请求登录页面,获取上面图3所示的源码
res = s.get(url_login).content
# 使用xpath的方式分离表单信息
html = etree.HTML(res)
password = html.xpath('//input[@type="password"]/@name')[0]
backURL = html.xpath('//input[@name="backURL"]/@value')[0]
vk = html.xpath('//input[@name="vk"]/@value')[0]
capID = html.xpath('//input[@name="capId"]/@value')[0]
codeurl = html.xpath('//img/@src')[0]
action = html.xpath('//form/@action')[0]
# 拼接 Request URL,用来提交表单,实现登录
post_url = url_login + action
# 下载验证码到当前目录,并手动输入验证码
def download_code(codeurl):
urllib.urlretrieve(codeurl,"code.jpg")
code = raw_input("please input the code: ")
return code
code = download_code(codeurl)
# 定义表单信息
post_data = {
"mobile" : login_name,
password : login_password,
"code" : code,
"remember" : "on",
"backURL" : backURL,
"backTitle" : u"微博",
"tryCount" : "",
"vk" : vk,
"capId" : capID,
"submit" : u"登录"
}
# 第一种方法,可以使用,返回的源码就是目标地址的源码
#do_post = requests.post(post_url,data=post_data).content
# 提交表单,完成登录
do_post = s.post(post_url,data=post_data).content
# 判断返回的页面是否是验证码错误的页面
if "验证码错误" in do_post:
print "验证码输入错误"
else:
# 请求最终页面
print s.get(url_final).content
# 后续可以写各种匹配规则,来匹配出需要的信息。
python 登录新浪微博_Python 模拟登录新浪微博相关推荐
- pythonurllib新浪微博_python模拟登录新浪微博抓取数据(cookielib和urllib2).doc
HYPERLINK "/article/python/22972.html" /article/python/22972.html python模拟登录新浪微博抓取数据(cooki ...
- python模拟登录网站_Python模拟登录淘宝都实现了,你还怕模拟登录?
文章转载自公众号 :裸睡的猪 , 作者 猪哥66 最近想爬取淘宝的一些商品,但是发现如果要使用搜索等一些功能时基本都需要登录,所以就想出一篇模拟登录淘宝的文章! 看了下网上有很多关于模拟登录淘宝,但是 ...
- python淘宝_Python模拟登录淘宝
最近想爬取淘宝的一些商品,但是发现如果要使用搜索等一些功能时基本都需要登录,所以就想出一篇模拟登录淘宝的文章! 看了下网上有很多关于模拟登录淘宝,但是基本都是使用scrapy.pyppeteer.se ...
- python脚本根据cookies自动登录网站_python模拟登录并且保持cookie的方法详解
前言 最近在爬行 nosec.org 的数据,看了下需要模拟登录拿到cookie后才能访问想抓的数据,重要的是 nosec.org 的登录页面 form 中有个 authenticity_token ...
- 新浪微博爬虫模拟登录(爬手机版)
新浪微博爬虫模拟登录 最近一直在想做新浪微博爬取,开始的时候做了一个PC版的爬取,但是发现提取内容真心难过所以在这里爬了手机版的话不多说,show you my code 这个可以提取固定人微博内容, ...
- python之cookie, cookiejar 模拟登录绕过验证
0.思路 如果懒得模拟登录,或者模拟登录过于复杂(多步交互或复杂验证码)则人工登录后手动复制cookie(或者代码读取浏览器cookie),缺点是容易过期. 如果登录是简单的提交表单,代码第一步模拟登 ...
- python 登录新浪微博_模拟登录新浪微博(Python)
PC 登录新浪微博时, 在客户端用js预先对用户名.密码都进行了加密, 而且在POST之前会GET 一组参数,这也将作为POST_DATA 的一部分. 这样, 就不能用通常的那种简单方法来模拟POST ...
- python 模拟登录获取cookie_Python获取新浪微博cookie模拟登录
这次尝试模拟登录微博,获取com网站cookie,cn不可用. 分析网站 首先打开weibo.com微博登录页面,如果已经登录需要先退出(其他的com登录页应该也是可以的). 打开chrome调试,查 ...
- python的urllib2实现登录网页_python模拟网站登录(urllib、urllib2模拟登录)
使用python模拟登录网站,首先要知道网站登录细节及相应的cookie. 分三步完成: 1,获取一个cookie 2,装载好自己的request 3,发送模拟登录请求 推荐阅读: Python模拟新 ...
最新文章
- 关于preg_match() / preg_replace()函数的一点小说明
- 创作一个数字人,总共分几步?(下)
- 拼多多4.5元手表使用功能图
- 小爱音箱mini系统故障怎么办_梦龙评机小米小爱音箱HD使用体验
- 黑马博客——详细步骤(三)项目功能的实现之新增用户
- python脚本获取zabbix监控数据,并且通过邮件发送
- js实现爬取QQ群管理页面所有QQ群成员信息
- 服务器打开网页图片显示红x,cacti无法显示图片,图片显红叉
- Python照片合成
- 解决ERROR: text file '***' contains disallowed UTF-8 whitespace character(s)
- [论文阅读] ICCV2015 Joint Fine-Tuning in Deep Neural Networks for Facial Expression Recognition
- 计算机网络基础:OSI模型与TCP/IP协议的关系
- SQLAlchemy 增删改查和基础操作
- 高性能超融合服务器,深信服高性能单路服务器aServer-R-1600超融合一体机
- HG 兄弟组织 D2 的“民营技术日报”故事
- 定点补码运算c语言,单选(3分) 下列关于补码定点运算的描述中,错误的是( )...
- 打光在绘画中的重要性有多重要?
- oracle查询被锁住的会话的sid,serial#,pid
- 1993年的台湾工厂SOP解读,依旧经典!
- java程序将多张图片合成一张