Python 登錄網站詳解及實例

對于大部分論壇，我們想要抓取其中的帖子分析，首先需要登錄，否則無法查看。

　　這是因為 HTTP 協議是一個無狀態(Stateless)的協議，服務器如何知道當前請求連接的用戶是否已經登錄了呢？有兩種方式：

1. 在URI 中顯式地使用 Session ID；
2. 利用 Cookie，大概過程是登錄一個網站后會在本地保留一個 Cookie，當繼續瀏覽這個網站的時候，瀏覽器會把 Cookie 連同地址請求一起發送過去。
   

　　Python 提供了相當豐富的模塊，所以對于這種網絡操作只要幾句話就可以完成。我以登錄 QZZN 論壇為例，事實上下面的程序幾乎所有的 PHPWind 類型的論壇都是適用的。

            
# -*- coding: GB2312 -*-

from urllib import urlencode
import cookielib, urllib2

# cookie
cj = cookielib.LWPCookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)

# Login
user_data = {'pwuser': '你的用戶名',
       'pwpwd': '你的密碼',
       'step':'2'
      }
url_data = urlencode(user_data)
login_r = opener.open("http://bbs.qzzn.com/login.php", url_data)


          

　一些注釋：

• urllib2 顯然是比 urllib 高級一點的模塊，里面包括了如何使用 Cookies。
• 在 urllib2 中，每個客戶端可以用一個 opener 來抽象，每個 opener 又可以增加多個 handler 來增強其功能。
• 在構造 opener 時指定了 HTTPCookieProcessor 做為 handler，因此這個 handler 支持 Cookie。
• 使用 isntall_opener 后，調用 urlopen 時會使用這個 opener。
• 如果不需要保存 Cookie，cj 這個參數可以省略。
• user_data 存放的就是登錄所需要的信息，在登錄論壇的時候把這個信息傳遞過去就行了。
• urlencode 功能是把字典 user_data 編碼成"?pwuser=username&pwpwd=password"的形式，這樣做是為了使程序易讀一些。
  

　　最后一個問題是，pwuser、pwpwd 這類的名字是從哪兒來的，這就要分析需要登錄的網頁了。我們知道，一般的登錄界面都是一個表單，節選如下：

            

              
              
              
               
... 

              
              用戶名 
              
              UID 

              
              
                馬上注冊
              
               
密　碼 

              
              
                找回密碼
              
               
... 

            
          

　　從這里可以看出，我們需要輸入的用戶名密碼對應的就是 pwuser 和 pwpwd，而 step 對應的則是登錄（這個是嘗試出來的）。

　　注意到，這個論壇表單采用的是 post 方式，如果是 get 方式則本文的方法就需要變動一下，不能直接 open，而是應該首先 Request，然后再 open。更詳細的請看手冊...

感謝閱讀，希望能幫助到大家，謝謝大家對本站的支持！