当前位置:   article > 正文

2024年Python最新网络爬虫——由模拟登录扯开去(1)

2024年Python最新网络爬虫——由模拟登录扯开去(1)

最简单的方式,直接提交即可;

2. 账号,密码(密文)POST

根据不同的场景分别处理:

  • 需求:使用单个账号,登录一个目标网站,之后做各种处理;

这时,直接用FormData中加密后的密码提交;

  • 需求:使用大量账号,登录一个目标网站;

这就要确定目标网站前端所采用的密码加密算法,常见的有MD5RSA等;一般可以在前端JavaScript脚本中找到相关的加密方式;

Note:

  1. 有时候会辅以token+密码的形式,而不仅仅是原密码进行加密(见第3种情况);

  2. 如果所有账号的密码都一样,此时也用不着确定加密算法了,可按前一种需求处理;

3. 账号,token+密码(密文)POST

首先要想办法获取token,token又有动、静之分:

  • 动态token:每次打开登录页面后,都会返回一个不同的token,这需要分析页面信息,做相应的处理;

  • 静态token:这种一般是在服务端定义好的一个固定密钥;当时遇到的是移动端的app,通过反编译安卓客户端软件.apk得到源码,从中找到的(忘记在请求中是否可以抓取到)……

4. 账号,上述任一情况,图片验证码 POST

这里同第2种情况,对于图片验证码,可根据需求分别处理:eg:

  • 需求:使用单个账号,登录一个目标网站,之后做各种处理;

Solution

这时,登录一次就可以,所以可将目标验证码下载下来,显示图片,人工识别即可;

  • 需求:使用大量账号,登录一个目标网站,之后均做同样的操作与处理(具体场景,可自由发挥想象力);

Solution

由于需要重复进行登录动作,最简单的方法是扔给第三方平台(嗯,可能是人肉识别),这类平台一般需要充值、进行付费识别(正确率还可以,错误的可以报回给平台);

高级一点的可利用OCR技术,再辅以图像处理技术,一般步骤是先处理图片,灰度化,去除背景色及噪点,提高对比度等,这有赖于图像处理算法能力,也有不少的库可以用,比如ImageMagick,然后通过OCR识别,推荐tesseract-ocr;对于容易识别的验证码可粗暴一点,直接由OCR识别,错了换一张就是了;

比较专业的是通过机器学习、神经网络等进行训练,然后喂给它新的图片,完成识别;这种方法对技术的要求挺高(一般都是调用现成的算法包,那也挺复杂的。。),虽然我的硕士研究方向是脑电信号处理,也用到了不少机器学习算法,可是最终还是没选择这条路,各有各的一片天地吧。

头信息


这里主要提一下涉及到异步请求时,'X-Requested-With':'XMLHttpRequest'这个头信息必须要添加上,否则无法返回正常的结果;

页面中有时是以异步的方式发出请求,而有时请求又是同步的,所以需要动态添加、删除这个请求头信息

Cookie


用户名、密码提交到服务器后,如果登录成功,那么服务器一般会返回Cookie,可从响应头信息set-cookie获取到,在登录的后续操作中,都要携带这一Cookie发送请求;

对于有验证码的站点,需要注意的是,第一步获取到验证码后,有个与验证码附在一起的Cookie,所以,此时整个登录过程,会涉及到两个Cookie:验证码Cookie与登录后的Cookie,简要描述为:

1. 获取验证码时,随验证码返回Cookie,记作Cookie1;

2. 向服务器发送登录请求时,表单数据携带Cookie1, POST;

3. 登录成功,返回Cookie,记作Cookie2;

4. 正常情况下,后续操作的每次请求附带Cookie2即可;

重定向


HTTP Code 为3xx开头的响应(eg: 301, 302),即表示重定向,在登录请求发出后,返回的响应出现此类情况时,先莫慌,这表明页面发生了跳转,可以修改请求配置以实现对跳转的跟踪,完成登录。

反爬虫


最后

不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~

给大家准备的学习资料包括但不限于:

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里无偿获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/664953
推荐阅读
相关标签
  

闽ICP备14008679号