首页 > > 网络编程 > 其它 >

python day2-爬虫实现github登录

2019-08-13 08:35:37来源：博客园阅读 ()

GitHub登录

分析登录页面

开发者工具分析请求

从session请求分析得知：

1.请求的URL为：https://github.com/session

2.该请求为post请求，即需要上传data表单，所以我们需要分析form-data

由form-data分析得知：

1.login：GitHub的账号

2.password：GitHub的密码

3.authenticity_token：每次请求时都发生变动

4.其余参数没有特殊的变动

因此需要分析authenticity_token的规律，经过分析源代码得知：

在login页面中存在该参数，且每次请求该页面时该参数都发生变动

因此我们需要使用维持会话的方式抓取该参数

import requests

session = requests.Session()    #实例化，维持会话
url_login = 'https://github.com/login'
    response = session.get(url_login)
    #通过正则获取token值
    authenticity_token = re.findall('name="authenticity_token" value="(.*?)" />',response.text)[0]
    print(authenticity_token)

当我们获取该参数后，即可以代入form-data中完成登录

附上全部代码

import requests
import re

session = requests.Session()    #实例化，维持会话

def token():   
    url_login = 'https://github.com/login'
    response = session.get(url_login)
    #通过正则获取token值
    authenticity_token = re.findall('name="authenticity_token" value="(.*?)" />',response.text)[0]
    return authenticity_token     #返回token值

def url_session(token):
    url = 'https://github.com/session'
    data = {
        'commit': 'Sign in',
        'utf8': '?',
        'authenticity_token': token,     #authenticity_token参数
        'login': '输入账号',              #你的账号
        'password': '输入密码',          #你的密码
        'webauthn-support': 'supported',
        'required_field_852e': '',
        'timestamp': '1565616593723',
        'timestamp_secret': '850cb01230466a48f29899e2202265961cdcde8375c4ee69399cd9e9805e1ede',
    }
    response = session.post(url,data=data)  #传入form-data表单
    return response.text   #返回源码

def save_github(response_text):  
    with open('github.html','w',encoding='utf-8') as fp:
        fp.write(response_text)

if __name__ == '__main__':
    token = token()   #获取authenticity_token参数
    response_text = url_session(token)    #获取网页源码
    save_github(response_text)    #把爬取到的源码保存为html格式