爬取网站时经常会遇到需要登录的问题，这是就需要用到模拟登录的相关方法。python提供了强大的url库，想做到这个并不难。这里以登录学校教务系统为例，做一个简单的例子。
首先得明白cookie的作用，cookie是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数据。因此我们需要用cookielib模块来保持网站的cookie。
这个是要登陆的地址 http://202.115.80.153/ 和验证码地址 http://202.115.80.153/checkcode.aspx
可以发现这个验证码是动态更新的每次打开都不一样，一般这种验证码和cookie是同步的。其次想识别验证码肯定是吃力不讨好的事，因此我们的思路是首先访问验证码页面，保存验证码、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request和header信息。以谷歌浏览器为例。
从中可以看出需要post的url并不是访问的页面，而是http://202.115.80.153/default2.aspx，
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。