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()