Python爬虫笔记【一】模拟用户访问之提交表单登入—第二次（7）

在第一次登入时遇到这个问题，页面验证码与下载下来需要识别的验证码不同的问题，从网上查寻说是叫验证码同步问题。发现是用cookie解决的，那次cookie介绍到通过cookie就可以实现时间戳同步问题，经过测试发现用同一个cookie打开上次的验证码网页是相同的。登入就是向后台服务器提交一个表单，那么我们就可以将cookie绑定（使验证码的post请求与验证码的请求时间戳相同，来解决验证码同步）然后以提交表单的方式来登入，所以下面来介绍这个方法（当然这个方法也没有解决）。原因有点崩溃。先上代码，问题之后再说。

import http.cookiejar

import urllib

import re

# 验证码获取网页，即src。

CaptchaUrl = "http://xxxxxxxxxxxxxxValidateCode.aspx"

# post请求地址，通过网页属性可以得到，详细看之前的表单处理2 3项

PostUrl = "http:xxxxxxxxxxxxxxxxxxlogin_home.aspx"

# 将cookies绑定到一个opener cookie由cookielib自动管理

cookie = http.cookiejar.CookieJar()

handler = urllib.request.HTTPCookieProcessor(cookie)

opener = urllib.request.build_opener(handler)

# 用户名和密码

username = 'xxxxxxx'

password = 'xxxxxxx'

# 用openr访问验证码地址,获取cookie

img = opener.open(CaptchaUrl).read()

# 保存验证码到本地

location = open('./easy_code/checkcode.jpg', 'wb')

location.write(img)

location.close()

# 打开保存的验证码图片 输入，此处可以切换成tesseract-orc识别，但刚开始测试还是用个人识别准确点,之前的识别函数在上一篇

SecretCode = input('输入验证码： ')

# 根据抓包信息 构造表单，可以通过f12网络中的network获取，下面会指出

postData = {

'__VIEWSTATE': '/wEPDwUKMTAzNTIzMjg1NWRk',

'__EVENTVALIDATION':'/wEdAAIKtHwTirT2Pt1uwYfKvQ1EZ5IuKWa4Qm28BhxLxh2oFA==',

'txt_asmcdefsddsd': username,

'txt_pewerwedsdfsdff': password,

'txt_sdertfgsadscxcadsad': SecretCode,

}

# 根据抓包信息 构造headers

headers = {

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',

'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',

'Accept-Encoding':'gzip, deflate',

'Content-Type':'application/x-www-form-urlencoded',

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:70.0) Gecko/20100101 Firefox/70.0',

}

# 生成post数据

data = urllib.parse.urlencode(postData).encode(encoding='UTF8')

# 构造request请求

request = urllib.request.Request(PostUrl, data, headers)

# 由于该网页是gb2312的编码，所以需要解码

response = opener.open(request)

result = response.read().decode('gb2312')

# 打印登录后的页面

print (result)

上面的表单信息可以通过F12获取 网络>找到post（你需要提交一下表单才有）>参数

__VIEWSTATE和__EVENTVALIDATION  两个参数有的话需要填一下，不然会报错，剩下的就是账号密码验证码了

以上验证码我运行之后弹出一个错误消息 Object reference not set to an instance of an object. 经过查询说是一个参数未填写，经过几次的测试发现，fgfggfdgtyuuyyuuckjg是个变化值，然后在html中查找其位置又发现它刚开始为空值，在你点击密码输入时，其值会跟着你的密码变化，而且每次输入时产生的这个数都不同，因为我们是用post请求来直接登入，不可能出发js获取这个值（当然有可能是我不知道，如果有大佬能够解决请务必联系）。所以这个方法就凉了，当然以上方法绝对可行，对于验证码同步问题可用，前提是你要登入的网站没有这种坑爹的post设定。针对这种问题在我没找到cookie之前还有种方法，下一篇介绍。

参考大佬的文章

利用post请求登入：http://www.cppcns.com/jiaoben/python/140695.html

__EVENTVALIDATION无参数报错原因：https://www.cnblogs.com/Tony_2009/archive/2009/06/15/1503780.html

三种post请求思路：https://blog.csdn.net/qq_18698003/article/details/51591346