1. 實(shí)例描述

通過爬蟲獲取網(wǎng)頁的信息時(shí)，有時(shí)需要登錄網(wǎng)頁后才可以獲取網(wǎng)頁中的可用數(shù)據(jù)，例如獲取 GitHub 網(wǎng)頁中的注冊(cè)號(hào)碼時(shí)，就需要先登錄賬號(hào)才能在登錄后的頁面中看到該信息，如下圖所示。那么該如何實(shí)現(xiàn)模擬登錄的功能呢？本文實(shí)現(xiàn)將通過爬蟲實(shí)現(xiàn) GitHub 網(wǎng)頁的模擬登錄。

2. 代碼實(shí)現(xiàn)

在實(shí)現(xiàn) GitHub 網(wǎng)頁的模擬登錄時(shí)，首先需要查看提交登錄請(qǐng)求時(shí)都要哪些請(qǐng)求參數(shù)，然后獲取登錄請(qǐng)求的所有參數(shù)，再發(fā)送登錄請(qǐng)求。如果登錄成功的情況下獲取頁面中的注冊(cè)號(hào)碼信息即可。具體步驟如下：

(1) 點(diǎn)擊 此處 打開 GitHub 的登錄頁面，然后輸入賬號(hào)與密碼，如下圖所示。

(2) 用 F12 或者 鼠標(biāo)右鍵單擊網(wǎng)頁選擇 檢查 打開瀏覽器的開發(fā)者工具，選擇獲取網(wǎng)絡(luò)請(qǐng)求過程，然后單擊登錄頁面中的 Sign in 按鈕，此時(shí)開發(fā)者工具中將顯示 GitHub 網(wǎng)頁的登錄請(qǐng)求過程，重點(diǎn)查找名稱為 session 的網(wǎng)絡(luò)請(qǐng)求。如下圖所示。

(3) 單擊名稱為 session 的網(wǎng)絡(luò)請(qǐng)求，然后在 Headers 請(qǐng)求信息中主要查看 Request Headers與 Form Data 中的各種信息，其中紅框內(nèi)為重要參數(shù)與數(shù)據(jù)。如下圖所示。

說明：Host 為主頁面地址，Referer 為當(dāng)前請(qǐng)求的來源地址。User-Agent 為瀏覽器的頭部信息。Form Data 中的所有信息都是登錄請(qǐng)求的所用參數(shù)，其中動(dòng)態(tài)參數(shù)為重要參數(shù)，authenticity_token 為加密字符串，login 為登錄的賬號(hào)，password 為密碼，其它參數(shù)為靜態(tài)參數(shù)。由于動(dòng)態(tài)參數(shù)只有 authenticity_token、login 以及password ，而用戶名與密碼只需要將動(dòng)態(tài)字符串填寫對(duì)應(yīng)的位置即可，所以接下來需要獲取 authenticity_token 參數(shù)所對(duì)應(yīng)的加密字符串。

(4) 在瀏覽器中退出所登錄的 GitHub 賬號(hào)，返回 GitHub 的登錄頁面，打開瀏覽器開發(fā)者工具，查看網(wǎng)頁的 html 代碼，然后在代碼中搜索 authenticity_token 關(guān)鍵詞，標(biāo)簽內(nèi) value 所對(duì)應(yīng)的值為 authenticity_token 參數(shù)的加密字符串。如下圖所示。

(5) 實(shí)現(xiàn)爬蟲代碼，首先導(dǎo)入所需模塊，然后創(chuàng)建頭部信息，再通過 Session 會(huì)話對(duì)象發(fā)送網(wǎng)絡(luò)請(qǐng)求獲取 authenticity_token 信息，最后通過所有的登陸請(qǐng)求參數(shù)實(shí)現(xiàn) GitHub 網(wǎng)頁的登陸請(qǐng)求并提取注冊(cè)號(hào)碼。具體代碼如下：

# -*- coding: utf-8 -*-# @Time : 2020/5/10 23:25# @Author : 我就是任性-Amo# @FileName: 77.通過爬蟲實(shí)現(xiàn)GitHub網(wǎng)頁的模擬登錄.py# @Software: PyCharm# @Blog ：https://blog.csdn.net/xw1680import requests # 導(dǎo)入網(wǎng)絡(luò)請(qǐng)求模塊from lxml import etree # 導(dǎo)入數(shù)據(jù)解析模塊 都是第三方模塊需要安裝 # pip install requests/lxml如果太慢 可以加上鏡像服務(wù)器 或者在Pycharm中使用圖形化界面進(jìn)行安裝class GitHubLogin(object): def __init__(self, username, password): # 構(gòu)造頭部信息 self.headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) ' 'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36', 'Host': 'github.com', 'Referer': 'https://github.com/login' } self.login_url = 'https://github.com/login' # 登錄頁面地址 self.post_url = 'https://github.com/session' # 實(shí)現(xiàn)登錄的請(qǐng)求地址 self.session = requests.Session() # 創(chuàng)建Session會(huì)話對(duì)象 self.user_name = username # 用戶名 self.password = password # 密碼 # 獲取authenticity_token信息 def get_token(self): # 發(fā)送登錄頁面的網(wǎng)絡(luò)請(qǐng)求 response = self.session.get(self.login_url, headers=self.headers) if response.status_code == 200: # 判斷請(qǐng)求是否成功 html = etree.HTML(response.text) # 解析html # 提取authenticity_token信息 token = html.xpath('//div[@id=’login’]/form/input[1]/@value')[0] # print(token) 測(cè)試是否能夠獲取到token return token # 返回信息 # 實(shí)現(xiàn)登錄 def login(self): # 請(qǐng)求參數(shù) post_data = { 'commit': 'Sign in', 'authenticity_token': self.get_token(), 'login': self.user_name, 'password': self.password, 'webauthn - support': 'supported' } # 發(fā)送登錄請(qǐng)求 response = self.session.post(self.post_url, headers=self.headers, data=post_data) if response.status_code == 200: # 判斷請(qǐng)求是否成功 html = etree.HTML(response.text) # 解析html # 獲取注冊(cè)號(hào)碼 register_number = html.xpath('//div[contains(@class,’Header-item’)][last()]//strong')[0] print(f'注冊(cè)號(hào)碼為: {register_number.text}') else: print('登錄失敗')if __name__ == ’__main__’: user_name = input('請(qǐng)輸入您的用戶名:') # 獲取輸入的用戶名 password = input('請(qǐng)輸入您的密碼:') # 獲取輸入的密碼 login = GitHubLogin(user_name, password) # 創(chuàng)建登錄類對(duì)象并傳遞輸入的用戶名與密碼 login.login()

執(zhí)行以上代碼，輸入用戶名與密碼，即可顯示獲取的注冊(cè)號(hào)碼。如下圖所示：

到此這篇關(guān)于Python 通過爬蟲實(shí)現(xiàn)GitHub網(wǎng)頁的模擬登錄的示例代碼的文章就介紹到這了,更多相關(guān)Python GitHub模擬登錄內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！