爬虫再探实战（二）———模拟登陆豆瓣(续集。。)

　　　　关于豆瓣，还是算是爬虫友好型的网站，之前模拟登陆也很容易就成功了，不过最近要在豆瓣抓点东西，发现代码已经不能用了。打印源码发现，需要验证码了。

所以，这里写个续集。。。较上一篇改动主要在验证码和一个随机字符串的获取,再之后加入pyload就行了。具体参照代码。

import re
import requests

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.94 Safari/537.36',
           'Referer':'https://www.douban.com/accounts/login?source=movie'}
s = requests.Session()
# 获取验证码
imgdata = s.get("https://www.douban.com/accounts/login?source=movie", headers=headers, verify=False).text
print(imgdata)
pa = re.compile(r'<img />')
img_url = re.findall(pa, imgdata)[0]
# print(img_url)
picdata = s.get(img_url).content
with open("douban.jpg", 'wb') as f:
    f.write(picdata)

pa_id = re.compile(r'<input type="hidden" name="captcha-id" value="(.*?)"/>')
capid = re.findall(pa_id, imgdata)[0]
print(capid)


capimg = input("输入验证码：")
payload = {
"source":"movie",
"redir":"https://movie.douban.com/",
"form_email":"你的邮箱",
"form_password":"你的密码",
"captcha-solution":capimg,
"captcha-id":capid,
"login":"登录"
}

log_url = "https://accounts.douban.com/login"
data1 = s.post(log_url, data=payload, verify=False)  # 绕过了SSL验证
print(data1.status_code)

data2 = s.get('https://www.douban.com/people/146448257/')
print(data2.status_code)
print(data2.text)

　　大概就这样，今天先写到这了，天快明了。。2333

爬虫再探实战（二）———模拟登陆豆瓣(续集。。)

相关推荐