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()