python实现带验证码网站的自动登陆实现代码


            早听说用python做网络爬虫非常方便，正好这几天单位也有这样的需求，需要登陆XX网站下载部分文档，于是自己亲身试验了一番，效果还不错。

本例所登录的某网站需要提供用户名，密码和验证码，在此使用了python的urllib2直接登录网站并处理网站的Cookie。

Cookie的工作原理： 

Cookie由服务端生成，然后发送给浏览器，浏览器会将Cookie保存在某个目录下的文本文件中。在下次请求同一网站时，会发送该Cookie给服务器，这样服务器就知道该用户是否合法以及是否需要重新登录。

Python提供了基本的cookielib库，在首次访问某页面时，cookie便会自动保存下来，之后访问其它页面便都会带有正常登录的Cookie了。

原理：

（1）激活cookie功能

（2）反“反盗链”，伪装成浏览器访问

（3）访问验证码链接，并将验证码图片下载到本地

（4）验证码的识别方案网上较多，python也有自己的图像处理库，此例调用了火车头采集器的OCR识别接口。

（5）表单的处理，可用fiddler等抓包工具获取需要提交的参数

（6）生成需要提交的数据，生成http请求并发送

（7）根据返回的js页面判断是否登陆成功

（8）登陆成功后下载其它页面

此例中使用多个账号轮询登陆，每个账号下载3个页面。

下载网址因为某些问题，就不透露了。

以下是部分代码：





#!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/image.jsp'

    DownloadFile(imgurl, urlopener)

    authcode=raw_input('Please enter the authcode:')

    #authcode=VerifyingCodeRecognization(r"http://192.168.0.106/images/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/images/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()