Python爬虫模拟登录带验证码网站

 爬取网站时经常会遇到需要登录的爬虫问题，这是模拟就需要用到模拟登录的相关方法。python提供了强大的登录带验url库，想做到这个并不难。证码这里以登录学校教务系统为例，网站做一个简单的爬虫例子。

首先得明白cookie的模拟作用，cookie是登录带验某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的证码数据。因此我们需要用Cookielib模块来保持网站的亿华云网站cookie。

可以发现这个验证码是爬虫动态更新的每次打开都不一样，一般这种验证码和cookie是模拟同步的。其次想识别验证码肯定是登录带验吃力不讨好的事，因此我们的证码思路是首先访问验证码页面，保存验证码、网站获取cookie用于登录，然后再直接向登录地址post数据。

首先通过抓包工具或者火狐或者谷歌浏览器分析登录页面需要post的香港云服务器request和header信息。以谷歌浏览器为例。

其中需要提交的表单数据中txtUserName和TextBox2分别用户名和密码。

现在直接到关键部分 

上代码！！ 

import urllib2  import cookielib  import urllib import re  import sys  模拟登录  reload(sys)  sys.setdefaultencoding("utf-8")  # 防止中文报错  CaptchaUrl = "http://202.115.80.153/CheckCode.aspx"  PostUrl = "http://202.115.80.153/default2.aspx"  # 验证码地址和post地址  cookie = cookielib.CookieJar()  handler = urllib2.HTTPCookieProcessor(cookie)  opener = urllib2.build_opener(handler)  # 将cookies绑定到一个opener cookie由cookielib自动管理  username = username  password = password123  # 用户名和密码  picture = opener.open(CaptchaUrl).read()  # 用openr访问验证码地址,获取cookie  local = open(e:/image.jpg, wb)  local.write(picture)  local.close()  # 保存验证码到本地  SecretCode = raw_input(输入验证码：) # 打开保存的验证码图片 输入  postData = {  __VIEWSTATE: dDwyODE2NTM0OTg7Oz6pH0TWZk5t0lupp/tlA1L+rmL83g==,  txtUserName: username,  TextBox2: password,  txtSecretCode: SecretCode,  RadioButtonList1: 学生,  Button1: ,  lbLanguage: ,  hidPdrs: ,  hidsc: ,  }  # 根据抓包信息 构造表单  headers = {  Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8,  Accept-Language: zh-CN,zh;q=0.8,  Connection: keep-alive,  Content-Type: application/x-www-form-urlencoded,  User-Agent: Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36,  }  # 根据抓包信息 构造headers  data = urllib.urlencode(postData)  # 生成post数据 ?key1=value1&key2=value2的形式  request = urllib2.Request(PostUrl, data, headers)  # 构造request请求  try:  response = opener.open(request)  result = response.read().decode(gb2312)  # 由于该网页是gb2312的编码，所以需要解码  print result  # 打印登录后的页面  except urllib2.HTTPError, e:  print e.code  # 利用之前存有cookie的opener登录页面 

登录成功后便可以利用该openr访问其他需要登录才能访问的页面。