Scrapy模拟登录赶集网

1.打开赶集网登录界面，先模拟登录并抓包，获得post请求的request参数

2. 我们只需构造出上面的参数传入formdata即可

参数分析：

　　setcookie：为自动登录所传的值，不勾选时默认为0。

　　__hash__值的分析：只需要查看response网页源代码即可 ，然后用正则表达式提取。

3.代码实现

1.workon到自己的虚拟环境  cmd切换到项目目录，输入scrapy startproject ganjiwangdenglu,然后就可以用pycharm打开该目录啦。

2.在pycharm terminal中输入scrapy ganji ganjicom 创建地址，如下为项目目录

 3. 代码详情

import scrapy
import re


class GanjiSpider(scrapy.Spider):
    name = 'ganji'
    allowed_domains = ['ganji.com']
    start_urls = ['https://passport.ganji.com/login.php']

    def parse(self, response):
        hash_code = re.search(r'"__hash__":"(.+)"}', response.text).group(1)  # 正则获取哈希
        img_url = 'https://passport.ganji.com/ajax.php?dir=captcha&module=login_captcha'  # 验证码url
        yield scrapy.Request(img_url, callback=self.do_formdata, meta={'hash_code': hash_code})  # 发送获取验证码请求并保存验证码到本地

    def do_formdata(self, response):
        with open('yzm.jpg', 'wb') as f:
            f.write(response.body)
            # 验证码三种方案：1，保存下来手动输入，2，云打码，3 tesseract模块，在这里我们手动输入
        code = input('请输入验证码：')
        # 创建表单
        formdata = {
            'username': 'your_username',
            'password': 'your_password',
            'setcookie': '14',
            'checkCode': code,
            'next': '',
            'source': 'passport',
            '__hash__': response.request.meta['hash_code']  # meta是在respose.request中
        }
        login_url = "https://passport.ganji.com/login.php"
        yield scrapy.FormRequest(url=login_url, formdata=formdata, callback=self.after_login)  # 发送登录请求

    def after_login(self, response):
        print(response.text)

4.终端输入scrapy carwl ganji 即可大功告成 。

返回来的json字符串解析如下：

注：setting中的设置不在赘述。