Python网络爬虫-模拟登陆教务处网站

本文主要介绍如何利用Python的requests库实现学校教务处网站的模拟登陆。关于教务处网站模拟登陆的典型应用主要有课程格子、超级课程表等，教务处网站形式多种多样，但登陆的基本流程类似，即构建表单-提交表单-实现登陆。本文以我浙的教务处网站为例进行模拟登陆演示。

登陆流程分析

首先打开我浙的教务处网站首页，F12打开开发者工具，输入学号、用户名、验证码，点击登陆之后，通过开发者工具可以看到，登陆过程包含3次请求，其中2次为暂时重定向(请求返回值为302代表暂时重定向)。

表单分析

点击’Headers’,如下图所示，易得第一次请求为表单提交(POST提交)。

提交的表单如下：

其中username, password, authcode分别为学号、密码和验证码，后面的lt, execution, _eventld为表单隐藏值，表单隐藏值是反爬虫的初级手段，那么如何获取表单隐藏值呢？

获取表单隐藏值

表单隐藏值可以在实际登陆前，通过登陆界面表单填写部分的HTML代码获取，由下图所示：

可以看到，在登陆按钮的HTML源代码部分有3项隐藏的Input，观察name和value值，显然就是第一次请求POST的表单隐藏值。

获取3次请求的网址

第一次请求的网址为固定的，即’https://grs.zju.edu.cn/cas/login?locale=zhCN&service=http%3A%2F%2Fgrs.zju.edu.cn%2Fallogene%2Fpage%2Fhome.htm%3Flocale=zhCN'；

按照上述分析构造表单，模拟POST请求，返回的’Response Headers’的Location即为第二次请求的网址；

同样的方式获取第三次请求的网址；

访问第3次请求的网址，即可实现登陆，返回登陆之后的HTML代码。

代码实现(Python2.7)

导入相关包

实现第一次请求

需要注意的是：在访问的过程中，因为涉及多次请求，一定要通过Session()的方式来保持网站的对话。

log_html为访问教务处网站主页返回的html文档，HTML文档的解析包挺多的，这里我们选用BeautifulSoup来解析返回文档，获取表单隐藏值。

获取验证码图片，进行验证码识别，验证码识别可以采用OCR方式或者机器学习的方法，这里我们简化一下，直接采用手动输入的方式。

构建好表单后，即可实现第一次请求：

* 需要注意保存每一次请求的cookies，以保持登陆状态。 *

第二次请求

第三次请求

至此，大功告成，成功登陆教务处网站。

下面就可以做一些有意思的事情了，比如利用flask封装一个API接口，进而做出课程表查询、考试提醒、成绩查询等各种功能型应用。

详细代码及说明可访问我的GitHub：https://github.com/Ruanshubin