使用Python登陸網站

使用Python登陸網站

　　對於大部分論壇，我們想要抓取其中的文章分析，首先需要登陸，否則無法查看。

　　這是因為 HTTP 協議是一個無狀態(Stateless)的協議，伺服器如何知道當前請求串連的使用者是否已經登陸了呢？有兩種方式：

1. 在URI 中顯式地使用 Session ID；
2. 利用 Cookie，大概過程是登陸一個網站後會在本地保留一個 Cookie，當繼續瀏覽這個網站的時候，瀏覽器會把 Cookie 連同地址請求一起發送過去。

　　Python 提供了相當豐富的模組，所以對於這種網路操作只要幾句話就可以完成。我以登陸 QZZN 論壇為例，事實上下面的程式幾乎所有的 PHPWind 類型的論壇都是適用的。

# -*- coding: GB2312 -*-

from urllib import urlencode
import cookielib, urllib2

# cookie
cj = cookielib.LWPCookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)

# Login
user_data = {'pwuser': '你的使用者名稱',
'pwpwd': '你的密碼',
'step':'2'
}
url_data = urlencode(user_data)
login_r = opener.open("http://bbs.qzzn.com/login.php", url_data)

　　一些注釋：

1. urllib2 顯然是比 urllib 進階一點的模組，裡麵包括了如何使用 Cookies。
2. 在 urllib2 中，每個用戶端可以用一個 opener 來抽象，每個 opener 又可以增加多個 handler 來增強其功能。
3. 在構造 opener 時指定了 HTTPCookieProcessor 做為 handler，因此這個 handler 支援 Cookie。
4. 使用 isntall_opener 後，調用 urlopen 時會使用這個 opener。
5. 如果不需要儲存 Cookie，cj 這個參數可以省略。
6. user_data 存放的就是登陸所需要的資訊，在登陸論壇的時候把這個資訊傳遞過去就行了。
7. urlencode 功能是把字典 user_data 編碼成"?pwuser=username&pwpwd=password"的形式，這樣做是為了使程式易讀一些。

　　最後一個問題是，pwuser、pwpwd 這類的名字是從哪兒來的，這就要分析需要登陸的網頁了。我們知道，一般的登陸介面都是一個表單，節選如下：

<form action="login.php?" method="post" name="login" onSubmit="this.submit.disabled = true;">

<input type="hidden" value="" name="forward" />
<input type="hidden" value="http://bbs.qzzn.com/index.php" name="jumpurl" />

<input type="hidden" value="2" name="step" />
...
<td width="20%" onclick="document.login.pwuser.focus();"><input type="radio" name="lgt" value="0" checked />使用者名稱 <input type="radio" name="lgt" value="1" />UID</td>

<td><input class="input" type="text" maxLength="20" name="pwuser" size="40" tabindex="1" /> <a href="reg1ster.php">馬上註冊</a></td>

<td>密　碼</td>
<td><input class="input" type="password" maxLength="20" name="pwpwd" size="40" tabindex="2" /> <a href="sendpwd.php" target="_blank">找回密碼</a></td>

...
</form>

　　從這裡可以看出，我們需要輸入的使用者名稱密碼對應的就是 pwuser 和 pwpwd，而 step 對應的則是登陸（這個是嘗試出來的）。

　　注意到，這個論壇表單採用的是 post 方式，如果是 get 方式則本文的方法就需要變動一下，不能直接 open，而是應該首先 Request，然後再 open。更詳細的請看手冊...