Python 通过爬虫实现GitHub网页的模拟登录的示例代码


Posted in Python onAugust 17, 2020

1. 实例描述

通过爬虫获取网页的信息时,有时需要登录网页后才可以获取网页中的可用数据,例如获取 GitHub 网页中的注册号码时,就需要先登录账号才能在登录后的页面中看到该信息,如下图所示。那么该如何实现模拟登录的功能呢?本文实现将通过爬虫实现 GitHub 网页的模拟登录。

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

2. 代码实现

在实现 GitHub 网页的模拟登录时,首先需要查看提交登录请求时都要哪些请求参数,然后获取登录请求的所有参数,再发送登录请求。如果登录成功的情况下获取页面中的注册号码信息即可。具体步骤如下:

(1) 点击 此处 打开 GitHub 的登录页面,然后输入账号与密码,如下图所示。

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

(2) 用 F12 或者 鼠标右键单击网页选择 检查 打开浏览器的开发者工具,选择获取网络请求过程,然后单击登录页面中的 Sign in 按钮,此时开发者工具中将显示 GitHub 网页的登录请求过程,重点查找名称为 session 的网络请求。如下图所示。

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

(3) 单击名称为 session 的网络请求,然后在 Headers 请求信息中主要查看 Request HeadersForm Data 中的各种信息,其中红框内为重要参数与数据。如下图所示。

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

说明:Host 为主页面地址,Referer 为当前请求的来源地址。User-Agent 为浏览器的头部信息。Form Data 中的所有信息都是登录请求的所用参数,其中动态参数为重要参数,authenticity_token 为加密字符串,login 为登录的账号,password 为密码,其它参数为静态参数。由于动态参数只有 authenticity_tokenlogin 以及password ,而用户名与密码只需要将动态字符串填写对应的位置即可,所以接下来需要获取 authenticity_token 参数所对应的加密字符串。

(4) 在浏览器中退出所登录的 GitHub 账号,返回 GitHub 的登录页面,打开浏览器开发者工具,查看网页的 html 代码,然后在代码中搜索 authenticity_token 关键词,标签内 value 所对应的值为 authenticity_token 参数的加密字符串。如下图所示。

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

(5) 实现爬虫代码,首先导入所需模块,然后创建头部信息,再通过 Session 会话对象发送网络请求获取 authenticity_token 信息,最后通过所有的登陆请求参数实现 GitHub 网页的登陆请求并提取注册号码。具体代码如下:

# -*- coding: utf-8 -*-
# @Time  : 2020/5/10 23:25
# @Author : 我就是任性-Amo
# @FileName: 77.通过爬虫实现GitHub网页的模拟登录.py
# @Software: PyCharm
# @Blog  :https://blog.csdn.net/xw1680

import requests # 导入网络请求模块
from lxml import etree # 导入数据解析模块 都是第三方模块需要安装 
# pip install requests/lxml如果太慢 可以加上镜像服务器 或者在Pycharm中使用图形化界面进行安装


class GitHubLogin(object):
  def __init__(self, username, password):
    # 构造头部信息
    self.headers = {
      "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) "
             "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36",
      "Host": "github.com",
      "Referer": "https://github.com/login"
    }
    self.login_url = "https://github.com/login" # 登录页面地址
    self.post_url = "https://github.com/session" # 实现登录的请求地址
    self.session = requests.Session() # 创建Session会话对象
    self.user_name = username # 用户名
    self.password = password # 密码

  # 获取authenticity_token信息
  def get_token(self):
    # 发送登录页面的网络请求
    response = self.session.get(self.login_url, headers=self.headers)
    if response.status_code == 200: # 判断请求是否成功
      html = etree.HTML(response.text) # 解析html
      # 提取authenticity_token信息
      token = html.xpath("//div[@id='login']/form/input[1]/@value")[0]
      # print(token) 测试是否能够获取到token
    return token # 返回信息

  # 实现登录
  def login(self):
    # 请求参数
    post_data = {
      "commit": "Sign in",
      "authenticity_token": self.get_token(),
      "login": self.user_name,
      "password": self.password,
      "webauthn - support": "supported"
    }
    # 发送登录请求
    response = self.session.post(self.post_url, headers=self.headers, data=post_data)
    if response.status_code == 200: # 判断请求是否成功
      html = etree.HTML(response.text) # 解析html
      # 获取注册号码
      register_number = html.xpath("//div[contains(@class,'Header-item')][last()]//strong")[0]
      print(f"注册号码为: {register_number.text}")
    else:
      print("登录失败")


if __name__ == '__main__':
  user_name = input("请输入您的用户名:") # 获取输入的用户名
  password = input("请输入您的密码:") # 获取输入的密码
  login = GitHubLogin(user_name, password) # 创建登录类对象并传递输入的用户名与密码
  login.login()

执行以上代码,输入用户名与密码,即可显示获取的注册号码。如下图所示:

Python 通过爬虫实现GitHub网页的模拟登录的示例代码

到此这篇关于Python 通过爬虫实现GitHub网页的模拟登录的示例代码的文章就介绍到这了,更多相关Python GitHub模拟登录内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
深入浅析python中的多进程、多线程、协程
Jun 22 Python
Python编程实现双击更新所有已安装python模块的方法
Jun 05 Python
Python列表list解析操作示例【整数操作、字符操作、矩阵操作】
Jul 25 Python
Python内置函数 next的具体使用方法
Nov 24 Python
Python随机生成均匀分布在三角形内或者任意多边形内的点
Dec 14 Python
Python中str.join()简单用法示例
Mar 20 Python
python根据文章标题内容自动生成摘要的实例
Feb 21 Python
python中的句柄操作的方法示例
Jun 20 Python
python子线程退出及线程退出控制的代码
Oct 16 Python
Python安装whl文件过程图解
Feb 18 Python
python IDLE添加行号显示教程
Apr 25 Python
TensorFlow Autodiff自动微分详解
Jul 06 Python
无需压缩软件,用python帮你操作压缩包
Aug 17 #Python
用Python制作mini翻译器的实现示例
Aug 17 #Python
PyCharm vs VSCode,作为python开发者,你更倾向哪种IDE呢?
Aug 17 #Python
pandas apply多线程实现代码
Aug 17 #Python
简述python Scrapy框架
Aug 17 #Python
python使用多线程查询数据库的实现示例
Aug 17 #Python
python使用建议与技巧分享(一)
Aug 17 #Python
You might like
PHP中删除变量时unset()和null的区别分析
2011/01/27 PHP
简单的PHP缓存设计实现代码
2011/09/30 PHP
Thinkphp实现MySQL读写分离操作示例
2014/06/25 PHP
PHP模拟asp中response类实现方法
2015/08/08 PHP
PHP大神的十大优良习惯
2016/09/14 PHP
利用PHP实现一个简单的用户登记表示例
2017/04/25 PHP
PHP面向对象五大原则之单一职责原则(SRP)详解
2018/04/04 PHP
Yii2压缩PHP中模板代码的输出问题
2018/08/28 PHP
php获取用户真实IP和防刷机制的实例代码
2018/11/28 PHP
PHP变量的作用范围实例讲解
2020/12/22 PHP
重载toString实现JS HashMap分析
2011/03/13 Javascript
jQuery结合HTML5制作的爱心树表白动画
2015/02/01 Javascript
jQuery的remove()方法使用详解
2015/08/11 Javascript
jQuery简单获取键盘事件的方法
2016/01/22 Javascript
JS常见算法详解
2017/02/28 Javascript
jQuery实现select下拉框获取当前选中文本、值、索引
2017/05/08 jQuery
NodeJS使用七牛云存储上传文件的方法
2017/07/24 NodeJs
vue-cli 自定义指令directive 添加验证滑块示例
2017/10/19 Javascript
Node.js中的cluster模块深入解读
2018/06/11 Javascript
微信小程序仿知乎实现评论留言功能
2018/11/28 Javascript
Vue CLI3基础学习之pages构建多页应用
2019/06/02 Javascript
基于JavaScript获取base64图片大小
2019/10/18 Javascript
JS如何实现在弹出窗口中加载页面
2020/12/03 Javascript
python数据结构之二叉树的遍历实例
2014/04/29 Python
python采集博客中上传的QQ截图文件
2014/07/18 Python
Python中的单继承与多继承实例分析
2018/05/10 Python
Python高级用法总结
2018/05/26 Python
python 多线程中子线程和主线程相互通信方法
2018/11/09 Python
python 将日期戳(五位数时间)转换为标准时间
2019/07/11 Python
多版本python的pip 升级后, pip2 pip3 与python版本失配解决方法
2019/09/11 Python
基于Tensorflow:CPU性能分析
2020/02/10 Python
浅谈keras 模型用于预测时的注意事项
2020/06/27 Python
印度尼西亚最完整和最大的在线药房网站:Farmaku.com
2019/11/23 全球购物
如何获得EntityManager
2014/02/09 面试题
毕业自荐书
2013/12/09 职场文书
雨花台导游词
2015/02/06 职场文书