python實現帶驗證碼網站的自動登陸

http://blog.sina.com.cn/s/blog_74a7e56e010177l8.html

早聽說用python做網絡爬蟲非常方便，正好這幾天單位也有這樣的需求，需要登陸XX網站下載部分文檔，於是自己親身試驗了一番，效果還不錯。

本例所登錄的某網站需要提供用戶名，密碼和驗證碼，在此使用了python的urllib2直接登錄網站並處理網站的Cookie。

Cookie的工作原理：

Cookie由服務端生成，然後發送給瀏覽器，瀏覽器會將Cookie保存在某個目錄下的文本文件中。在下次請求同一網站時，會發送該Cookie給服務器，這樣服務器就知道該用戶是否合法以及是否需要重新登錄。

Python提供了基本的cookielib庫，在首次訪問某頁面時，cookie便會自動保存下來，之後訪問其它頁面便都會帶有正常登錄的Cookie了。

原理：

（1）激活cookie功能

（2）反“反盜鏈”，僞裝成瀏覽器訪問

（3）訪問驗證碼鏈接，並將驗證碼圖片下載到本地

（4）驗證碼的識別方案網上較多，python也有圖像處理庫，此例調用了火車頭採集器的OCR識別接口。

（5）表單的處理，可用fiddler等抓包工具獲取需要提交的參數

（6）生成需要提交的數據，生成http請求併發送

（7）根據返回的js頁面判斷是否登陸成功

（8）登陸成功後下載其它頁面

此例中使用多個賬號輪詢登陸，每個賬號下載指定數目頁面。

以下是部分代碼：

#!usr/bin/env python

#-*- coding: utf-8 -*-

import os
import urllib2
import urllib
import cookielib
import xml.etree.ElementTree as ET

#-----------------------------------------------------------------------------
# Login in www.***.com.cn
def ChinaBiddingLogin(url, username, password):
    # Enable cookie support for urllib2
    cookiejar=cookielib.CookieJar()
    urlopener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cookiejar))
    urllib2.install_opener(urlopener)
     
    urlopener.addheaders.append(('Referer',
'http://www.chinabidding.com.cn/zbw/login/login.jsp'))
    urlopener.addheaders.append(('Accept-Language',
'zh-CN'))
    urlopener.addheaders.append(('Host',
'www.chinabidding.com.cn'))
    urlopener.addheaders.append(('User-Agent',
'Mozilla/5.0 (compatible; MISE 9.0; Windows NT 6.1);
Trident/5.0'))
    urlopener.addheaders.append(('Connection',
'Keep-Alive'))

    print 'XXX Login......'

    imgurl=r'http://www.*****.com.cn/zbw/login/p_w_picpath.jsp'
    DownloadFile(imgurl, urlopener)
    authcode=raw_input('Please enter the
authcode:')
    #authcode=VerifyingCodeRecognization(r"http://192.168.0.106/p_w_picpaths/code.jpg")

    # Send login/password to the site and get the
session cookie
    values={'login_id':username, 'opl':'op_login',
'login_passwd':password, 'login_check':authcode}
    urlcontent=urlopener.open(urllib2.Request(url,
urllib.urlencode(values)))
    page=urlcontent.read(500000)

    # Make sure we are logged in, check the returned
page content
    if page.find('login.jsp')!=-1:
        print 'Login failed with
username=%s, password=%s and authcode=%s' \
                % (username, password, authcode)
        return False
    else:
        print 'Login
succeeded!'
        return True

#-----------------------------------------------------------------------------
# Download from fileUrl then save to fileToSave
# Note: the fileUrl must be a valid file
def DownloadFile(fileUrl, urlopener):
    isDownOk=False

    try:
        if fileUrl:
            outfile=open(r'/var/www/p_w_picpaths/code.jpg', 'w')
            outfile.write(urlopener.open(urllib2.Request(fileUrl)).read())
            outfile.close()

            isDownOK=True
        else:
            print
'ERROR: fileUrl is NULL!'
    except:
        isDownOK=False

    return isDownOK

#------------------------------------------------------------------------------
# Verifying code recoginization
def VerifyingCodeRecognization(imgurl):
    url=r'http://192.168.0.119:800/api?'
    user='admin'
    pwd='admin'
    model='ocr'
    ocrfile='cbi'

    values={'user':user, 'pwd':pwd, 'model':model,
'ocrfile':ocrfile, 'imgurl':imgurl}
    data=urllib.urlencode(values)

    try:
        url+=data
        urlcontent=urllib2.urlopen(url)
    except IOError:
        print '***ERROR: invalid URL
(%s)' % url

    page=urlcontent.read(500000)

    # Parse the xml data and get the verifying
code
    root=ET.fromstring(page)
    node_find=root.find('AddField')
    authcode=node_find.attrib['data']

    return authcode

#------------------------------------------------------------------------------
# Read users from configure file
def ReadUsersFromFile(filename):
    users={}
    for eachLine in open(filename, 'r'):
        info=[w for w in
eachLine.strip().split()]
        if len(info)==2:
            users[info[0]]=info[1]

    return users

#------------------------------------------------------------------------------
def main():
    login_page=r'http://www.***.com.cnlogin/login.jsp'
    download_page=r'http://www.***.com.cn***/***?record_id='

    start_id=8593330
    end_id=8595000

    now_id=start_id
    Users=ReadUsersFromFile('users.conf')
    while True:
        for key in Users:
            if
ChinaBiddingLogin(login_page, key, Users[key]):
                for i in range(3):
                    pageUrl=download_page+'%d' %
now_id
                    urlcontent=urllib2.urlopen(pageUrl)

                    filepath='./download/%s.html'
% now_id
                    f=open(filepath, 'w')
                    f.write(urlcontent.read(500000))
                    f.close()

                    now_id+=1
            else:
                continue
#------------------------------------------------------------------------------

if __name__=='__main__':
    main()