python-scrapy模拟登陆网站--登陆青果教务管理系统（三）

本是古典何须时尚 2022-05-26 11:11 232阅读 0赞

前言：

第一篇，分析青果教务管理系统登陆模块，理清思路

第二篇，使用常规的python常用库 requests来实现模拟登陆

第三篇，使用scrapy来实现模拟登陆

目的在于了解模拟登陆网站的要点和方法，了解http请求的一些知识。

## （1）scrapy模拟登陆 ##

依然按照上一篇的思路，我们编写代码即可。这里我就不啰嗦了。就放下spider 的代码

# -*- coding: utf-8 -*-
    from _mysql import result
    
    import scrapy
    import re
    import random
    import time
    from PIL import Image
    from md5tools import md5_encrypt
    
    
    class AynueduSpider(scrapy.Spider):
        name = 'aynuedu'
        allowed_domains = ['jwglxt.aynu.edu.cn']
        start_urls = ['http://jwglxt.aynu.edu.cn/']
    
        VIEWSTATE = ''
    
        #处理第一次请求，提取登陆需要的额外参数
        def parse(self, response):
            #拿到cookie
            headers = response.headers
            newheaders = dict(headers)
            #设置referer
            newheaders['Referer'] = 'http://jwglxt.aynu.edu.cn/'
    
            yield scrapy.Request(url="http://jwglxt.aynu.edu.cn/_data/home_login.aspx",callback=self.parse_loginurl,method='GET',headers=newheaders)
    
    
        def parse_loginurl(self,response):
            """
            访问登陆的网址，拿到额外的参数
            :param response:
            :return:
            """
            headers = response.headers
            newheaders = dict(headers)
            # 设置referer
            newheaders['Referer'] = 'http://jwglxt.aynu.edu.cn/_data/home_login.aspx'
            newheaders['Accept']='image/webp,image/apng,image/*,*/*;q=0.8'
    
            #使用正则表达式获取数据
            self.VIEWSTATE = re.search(r'<input type="hidden" name="__VIEWSTATE" value="(.*)"', response.text).group(1)
            print self.VIEWSTATE
            url = "http://jwglxt.aynu.edu.cn/sys/ValidateCode.aspx?t=" + str(random.randint(0, 999))
            yield scrapy.Request(url=url, callback=self.parse_yzmurl,method='GET', headers=newheaders)
    
        def parse_yzmurl(self,response):
            """
            获取验证码
            :param response:
            :return:
            """
            with open("yzm.jpg","wb") as f:
                f.write(response.body)
            time.sleep(1)
            #打开该验证码
            im = Image.open('yzm.jpg')
            im.show()
            yzm = raw_input("please input yzm:")
            #
            print yzm
            print self.VIEWSTATE
    
            username = str(raw_input("please input username:"))
            print username
            passwd = str(raw_input("please input passwd:"))
            print passwd
    
            # username = "xxx"
            # passwd = "xxx"
            # 密码加密
            passwd_jiami = md5_encrypt((username + md5_encrypt(passwd)[0:30].upper() + '10479'))[0:30].upper()
            # 验证码加密
            yzm_jiami = md5_encrypt((md5_encrypt(yzm.upper())[0:30].upper() + '10479'))[0:30].upper()
    
    
            url = 'http://jwglxt.aynu.edu.cn/_data/home_login.aspx'
            login_data = {
                '__VIEWSTATE': self.VIEWSTATE,
                'pcInfo': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36undefined5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36 SN:NULL',
                'typeName': 'ѧ��',
                'dsdsdsdsdxcxdfgfg': passwd_jiami,
                'fgfggfdgtyuuyyuuckjg': yzm_jiami,
                'Sel_Type': 'STU',
                'txt_asmcdefsddsd': username,
                'txt_pewerwedsdfsdff': '',
                'txt_sdertfgsadscxcadsads': '',
            }
    
            login_headers = {
                'Referer': 'http://jwglxt.aynu.edu.cn/_data/home_login.aspx',
                'Origin': 'http://jwglxt.aynu.edu.cn',
            }
    
            # 发送请求参数，并调用指定回调函数处理
            #yield scrapy.Request(url=url, callback=self.parse_login,method='POST', headers=login_headers,)
            yield  scrapy.FormRequest(url=url,formdata=login_data,headers=login_headers,callback=self.parse_login,method="POST")
    
        def parse_login(self,response):
            """
    
            :param response:
            :return:
            """
            url = "http://jwglxt.aynu.edu.cn/xsxj/Stu_MyInfo_RPT.aspx"
            getinfoheaders = {
                'Referer': 'http://jwglxt.aynu.edu.cn/xsxj/Stu_MyInfo.aspx',
            }
            yield scrapy.Request(url=url,headers=getinfoheaders,callback=self.show_info)
    
        def show_info(self,response):
            print response.text

几点说明：

这里使用了 PIL  ，用来打开保存好的验证码。

这里代码并没有出现cookie，这是scrapy 已经做好的，我们只需要改变需要变化的请求头即可。

其中post 请求， 使用这样的方式。

scrapy.FormRequest(url=url,formdata=login\_data,headers=login\_headers,callback=self.parse\_login,method="POST")

## （2）总结 ##

到这里这个例子基本完成，还有许多改进的地方，比如验证码的处理，我们在第一篇中介绍的三种方式。比如我们可以不加密账号密码的情况下登陆。等等

这个例子并不是来说明怎么登陆青果教务系统的网站，这不是重点。重点是在于青果教务系统的登陆模块，是爬虫经常遇到的登陆情况。

（1）登陆模块需要定制的请求头比如 referer ，Origin ，当然修改 user-agent 才很关键。

（2）常规的验证码，一般登陆都需要。

（3）登陆需要额外的参数，我们就可以使用正则或者xpath 将这些额外参数直接动态获取。

（4）前台对密码和验证码进行了加密处理。其实我们完全也可以直接拿正常加密后的值，直接模拟登陆，但这样就不能多个用户操作。

所以我们拿这个例子，可以作为一个整合的例子。

源码：[https://github.com/gengzi/simulatelogin][https_github.com_gengzi_simulatelogin]

码字不易，给个赞吧。![大笑][laugh.gif]

[https_github.com_gengzi_simulatelogin]: https://github.com/gengzi/simulatelogin
[laugh.gif]: https://static-blog.csdn.net/xheditor/xheditor_emot/default/laugh.gif