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()