PHP如何模拟登录学校个人门户?
程序员文章站
2022-05-08 15:20:36
...
https://sso.ctgu.edu.cn:7002/cas/login?service=http%3A%2F%2Fportal.ctgu.edu.cn%2Fportal%2Findex.jsp
用户名：2010138112
密码：15872474165
如题所示，模拟登录获取个人信息。求高手给出源代码
建议连同酬劳一并写入提问当中。 之前写过一个，基本上和你的需求是一样的，给你参考自己写吧。
Crawl/identifyCode at master · Tairy/Crawl · GitHub
这种模拟登陆其实很简单，php的话主要用curl来实现。仔细研究一下你要抓的站具体是怎么实现用户登录的，可以用wireshark或者burpsuite(建议用后者)抓包看看整个过程都有那几次请求，每次请求都发送了哪些数据，构造好发给他就可以实现登录了。
之后获取个人信息就很容易了，找找php解析html库，或者最简单粗暴的就是字符串截取函数加正则表达式，把你想要的数据提取出来就好了。
对于你给出的这种验证码属于非常容易识别的验证码了，基本的识别原理参看使用Canvas进行验证码识别。
当然比较蛋疼的问题就是网页编码问题，经常爬过来全是乱码，网上找找看转码的方法，都试一下，这是一门玄学，能不能成功看你人品和耐心吧。
我这个repo里面基本上实现了上面的一套流程，你可以参照着写吧！
最后还想说的是，爬站还是用python吧，request+beautifulsoup不是一般的好用。做这个php真不擅长。虽然我依然认为php是世界上最好的语言！！！（如果你想用python或者其他的写的话看看我这个repo里面的其他目录，我在readme里面写清楚的）。 之前写过一个模拟登录我们学校门户网站的PHP程序，当时主要是为了抓取学生成绩信息计算出学分积，而且我们的门户网站没有验证密码，所以就简单了很多，鉴于你这个有验证码，就会涉及到图片验证码的识别，这个恐怕你得找个识别率高的识别算法才能搞定了，我就简单说下模拟登录的步骤，分析下你们那个网页的登录过程，找到登录时的表单，然后把帐号，密码和验证码参数都填好提交表单，然后一步一步分析登录过程，一般都会跳转好几次，还有可能是跨域名的跳转，所以最好每次都更新下cookie，直到转到有需要信息的页面，后面每次get页面时记得带上cookie就好... 使用 firefox，chrome，safari 之类的主流浏览器看一下请求头。
然后用 php 的 curl 模拟请求。
curl_setopt($ch, CURLOPT_HTTPHEADER, $HttpHeaderArray); 这种问题应该去Google百度，而不是在这提，网上一大堆的答案 curl，搞个cookie，设置下浏览器标识，还有什么referer，你的问题听起来没多难，写起来不知道那个网站防止自动登陆的代码到底怎样，要一个一个试，尤其是一些ajax操作，参数裹在一堆js里，少传一个参数给你一个error，说到底是个体力活。 戳开后发现有验证码，好吧… 你要多加一步验证码识别的模块，然后全部post到接口就应该能行了 简单的办法是用curl,不会先百度一下吧，一个晚上怎么都搞清楚了。然后先用浏览器抓包分析下，搞清楚request和response，然后就可以写代码去实现了。验证码能写出识别算法就写吧，写不出来就把验证码抓下来手填吧=_= 爬虫思维
用户名：2010138112
密码：15872474165
如题所示，模拟登录获取个人信息。求高手给出源代码
回复内容：
泻药建议连同酬劳一并写入提问当中。 之前写过一个，基本上和你的需求是一样的，给你参考自己写吧。
Crawl/identifyCode at master · Tairy/Crawl · GitHub
这种模拟登陆其实很简单，php的话主要用curl来实现。仔细研究一下你要抓的站具体是怎么实现用户登录的，可以用wireshark或者burpsuite(建议用后者)抓包看看整个过程都有那几次请求，每次请求都发送了哪些数据，构造好发给他就可以实现登录了。
之后获取个人信息就很容易了，找找php解析html库，或者最简单粗暴的就是字符串截取函数加正则表达式，把你想要的数据提取出来就好了。
对于你给出的这种验证码属于非常容易识别的验证码了，基本的识别原理参看使用Canvas进行验证码识别。
当然比较蛋疼的问题就是网页编码问题，经常爬过来全是乱码，网上找找看转码的方法，都试一下，这是一门玄学，能不能成功看你人品和耐心吧。
我这个repo里面基本上实现了上面的一套流程，你可以参照着写吧！
最后还想说的是，爬站还是用python吧，request+beautifulsoup不是一般的好用。做这个php真不擅长。虽然我依然认为php是世界上最好的语言！！！（如果你想用python或者其他的写的话看看我这个repo里面的其他目录，我在readme里面写清楚的）。 之前写过一个模拟登录我们学校门户网站的PHP程序，当时主要是为了抓取学生成绩信息计算出学分积，而且我们的门户网站没有验证密码，所以就简单了很多，鉴于你这个有验证码，就会涉及到图片验证码的识别，这个恐怕你得找个识别率高的识别算法才能搞定了，我就简单说下模拟登录的步骤，分析下你们那个网页的登录过程，找到登录时的表单，然后把帐号，密码和验证码参数都填好提交表单，然后一步一步分析登录过程，一般都会跳转好几次，还有可能是跨域名的跳转，所以最好每次都更新下cookie，直到转到有需要信息的页面，后面每次get页面时记得带上cookie就好... 使用 firefox，chrome，safari 之类的主流浏览器看一下请求头。
然后用 php 的 curl 模拟请求。
curl_setopt($ch, CURLOPT_HTTPHEADER, $HttpHeaderArray); 这种问题应该去Google百度，而不是在这提，网上一大堆的答案 curl，搞个cookie，设置下浏览器标识，还有什么referer，你的问题听起来没多难，写起来不知道那个网站防止自动登陆的代码到底怎样，要一个一个试，尤其是一些ajax操作，参数裹在一堆js里，少传一个参数给你一个error，说到底是个体力活。 戳开后发现有验证码，好吧… 你要多加一步验证码识别的模块，然后全部post到接口就应该能行了 简单的办法是用curl,不会先百度一下吧，一个晚上怎么都搞清楚了。然后先用浏览器抓包分析下，搞清楚request和response，然后就可以写代码去实现了。验证码能写出识别算法就写吧，写不出来就把验证码抓下来手填吧=_= 爬虫思维