python 爬虫网页登陆的简单实现

第python爬虫网页登陆的简单实现相信各位在写python爬虫的时候会在爬取网站时遇到一些登陆的问题，比如说登陆时遇到输入验证码比如说登录时遇到图片拖拽等验证，如何解决这类问题呢？一般有两种方案。

使用cookie登陆

我们可以通过使用cookies登陆，首先获取浏览器的cookie，然后利用requests库直接登陆cookie，服务器就会认为你是一个真实登陆用户，所以就会返回给你一个已登陆的状态，这个方法是很好用的，基本上绝大部分的需要验证码登录的网站都可以通过cookie登录来解决，

#!-*-encoding:utf-8-*-

importrequests

importrandom

importrequests.adapters

#要访问的目标页面

targetUrlList=[

"/ip",

"/headers",

"/user-agent",

#代理服务器

proxyHost=""

proxyPort="31111"

#代理隧道验证信息

proxyUser="username"

proxyPass="password"

proxyMeta="http://%(user)s:%(pass)s@%(host)s:%(port)s"%{

"host":proxyHost,

"port":proxyPort,

"user":proxyUser,

"pass":proxyPass,

#设置http和https访问都是用HTTP代理

proxies={

"http":proxyMeta,

"https":proxyMeta,

#访问三次网站，使用相同的Session(keep-alive)，均能够保持相同的外网IP

s=requests.session()

#设置cookie

cookie_dict={"JSESSION":"123456789"}

cookies=requests.utils.cookiejar_from_dict(cookie_dict,cookiejar=None,overwrite=True)

s.cookies=cookies

foriinrange(3):

forurlintargetUrlList:

r=s.get(url,proxies=proxies)

printr.text

若存在验证码，此时采用resp**e=requests_session.post(url=url_login,data=data)是不行的，做法应该如下：

resp**e_captcha=requests_session.get(url=url_login,cookies=cookies)

resp**e1=requests.get(url_login)#未登陆

resp**e2=requests_session.get(url_login)#已登陆，因为之前拿到了Resp**eCookie！

resp**e3=requests_session.get(url_results)#已登陆，因为之前拿到了Resp**eCookie！

模拟登陆

这里不得不说一句老话，前人种树，后人乘凉，当时我想爬一下知乎盐选的文章，但是卡在了登陆这块，没想到搜索下来发现了一个模拟登陆的库，非常好用，不过本