黄聪：使用 Python 登录网站

mahonglin123456

　　对于大部分论坛，我们想要抓取其中的帖子分析，首先需要登录，否则无法查看。
　　这是因为 HTTP 协议是一个无状态(Stateless)的协议，服务器如何知道当前请求连接的用户是否已经登录了呢？有两种方式：

• 在URI 中显式地使用 Session ID；
  
• 利用 Cookie，大概过程是登录一个网站后会在本地保留一个 Cookie，当继续浏览这个网站的时候，浏览器会把 Cookie 连同地址请求一起发送过去。
  

　　Python 提供了相当丰富的模块，所以对于这种网络操作只要几句话就可以完成。我以登录 QZZN 论坛为例，事实上下面的程序几乎所有的 PHPWind 类型的论坛都是适用的。

# -*- coding: GB2312 -*-
from urllib import urlencode
import cookielib, urllib2
# cookie
cj = cookielib.LWPCookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)
# Login
user_data = {'pwuser': '你的用户名',
'pwpwd': '你的密码',
'step':'2'
}
url_data = urlencode(user_data)
login_r = opener.open("http://bbs.qzzn.com/login.php", url_data)

　　一些注释：

• urllib2 显然是比 urllib 高级一点的模块，里面包括了如何使用 Cookies。
  
• 在 urllib2 中，每个客户端可以用一个 opener 来抽象，每个 opener 又可以增加多个 handler 来增强其功能。
  
• 在构造 opener 时指定了 HTTPCookieProcessor 做为 handler，因此这个 handler 支持 Cookie。
  
• 使用 isntall_opener 后，调用 urlopen 时会使用这个 opener。
  
• 如果不需要保存 Cookie，cj 这个参数可以省略。
  
• user_data 存放的就是登录所需要的信息，在登录论坛的时候把这个信息传递过去就行了。
  
• urlencode 功能是把字典 user_data 编码成"?pwuser=username&pwpwd=password"的形式，这样做是为了使程序易读一些。
  

　　最后一个问题是，pwuser、pwpwd 这类的名字是从哪儿来的，这就要分析需要登录的网页了。我们知道，一般的登录界面都是一个表单，节选如下：

　　



...
用户名 UID
马上注册
密　码
找回密码
...

　　从这里可以看出，我们需要输入的用户名密码对应的就是 pwuser 和 pwpwd，而 step 对应的则是登录（这个是尝试出来的）。
　　注意到，这个论坛表单采用的是 post 方式，如果是 get 方式则本文的方法就需要变动一下，不能直接 open，而是应该首先 Request，然后再 open。更详细的请看手册...