好久沒寫東西了，最近學習了一下模擬登錄，以校園網(wǎng)為例，作一記錄。

去年的時候寫過一篇模擬登錄的文章，用的是登錄后的cookies，這種操作比較傻瓜，也不智能，不夠自動化，本質還是手動登錄。
這次我嘗試把登錄過程用python進行，預先提供賬號、密碼即可。

眾所周知（本校兄弟姐妹），本校所有身份認證現(xiàn)已完全由jaccount進行，只要通過了這一層驗證，就相當于登錄成功了。

以登錄校園郵箱為例，先分析一下登錄流程：

1. 輸入郵箱網(wǎng)址mail....edu.cn
2. 跳轉到jaccount驗證頁
3. 輸入賬號、密碼、驗證碼登錄
4. 跳轉回郵箱頁面，登錄完成

難點分析：

1. 跳轉過程中有哪些數(shù)據(jù)需要攜帶？
2. 驗證碼如何獲取？如何識別？

剛開始想用requests解決所有問題，直到試了許多次也未能成功解決登錄跳轉的問題，只好放棄，轉用更簡單的selenium。selenium是一款可見即可得的自動化測試工具，在爬蟲上用起來十分方便，它通過模擬人實際的操作實現(xiàn)對瀏覽器的控制，比如輸入、點擊、拖動等事件。

依次按照上述流程，進行編碼（完整代碼見文末）：

步驟一、打開瀏覽器，輸入郵箱網(wǎng)址

browser.get('https://mail.sjtu.edu.cn')

此時，會彈出瀏覽器，自動打開該網(wǎng)頁，當然，也會自動跳轉到jaccount驗證頁面。

步驟二、輸入賬號、密碼、驗證碼

賬號、密碼都比較好搞定，自己預設好就行了。然后通過開發(fā)者工具定位文本框位置，由以下命令可以輸入到相應的文本框內。

input_user = browser.find_element_by_id('user')
input_user.send_keys(user)
input_pass = browser.find_element_by_id('pass')
input_pass.send_keys(pswd)

麻煩的還是驗證碼。首先要找到驗證碼圖片源，再通過OCR工具進行識別。
通過分析，發(fā)現(xiàn)驗證碼是由https://jaccount.sjtu.edu.cn/jaccount/captcha這個站點生成的。要獲取到正確的驗證碼，需要傳入相應的uuid參數(shù)，以及cookies。OCR工具目前比較好用的是tesseract，所幸我們這個驗證碼比較簡單，識別率很高。

通過對源碼進行搜索，終于找到uuid了，就在這個登錄表單里，通過xpath獲取一下，拿到value

uuid = browser.find_element_by_xpath('//form/input[@name="uuid"]')
params = {
    'uuid': uuid.get_attribute('value')
}

此處為了便捷，我使用requests進行驗證碼下載，而selenium的cookies也和requests不同，selenium是比較完整的信息，如下：

[{'domain': 'mail.sjtu.edu.cn', 'httpOnly': True, 'name': 'JSESSIONID', 'path': '/', 'secure': False, 'value': '12l9qesot3vw61sz8brl8i74ir'}, {'domain': 'mail.sjtu.edu.cn', 'httpOnly': True, 'name': 'ZM_AUTH_TOKEN', 'path': '/', 'secure': False, 'value': '0_7b1bfd5665cabda2816d04d7e4f8438022c54538_69643d33363a35373935373238652d346539362d346434372d383837332d6331666264356130343337643b6578703d31333a313536393836323130303632323b747970653d363a7a696d6272613b753d313a613b7469643d31303a323134323231343838363b76657273696f6e3d31333a382e382e395f47415f333031393b'}, {'domain': '.sjtu.edu.cn', 'expiry': 1569818955, 'httpOnly': False, 'name': '_gat', 'path': '/', 'secure': False, 'value': '1'}, {'domain': '.sjtu.edu.cn', 'expiry': 1569905295, 'httpOnly': False, 'name': '_gid', 'path': '/', 'secure': False, 'value': 'GA1.3.452166840.1569818896'}, {'domain': '.sjtu.edu.cn', 'expiry': 1632890895, 'httpOnly': False, 'name': '_ga', 'path': '/', 'secure': False, 'value': 'GA1.3.1066557857.1569818896'}]

而我們傳入requests的只需要cookie名字和值即可，故可通過字典推導式，生成requests所需的cookies:

cookies = browser.get_cookies()
cookies = {i["name"]: i["value"] for i in cookies}

這樣一來就可以獲取驗證碼了，

response = requests.get(captcha_url, cookies=cookies, params=params)
with open('img.jpeg', 'wb+') as f:
    f.writelines(response)

這樣驗證碼就被保存到img.jpeg文件中，識別驗證碼只需要以下兩行代碼即可：

image = Image.open('img.jpeg')
code = pytesseract.image_to_string(image)

最后，輸入驗證碼，并確定，就可以跳轉回登錄后的郵箱界面。

input_code = browser.find_element_by_id('captcha')
input_code.send_keys(code)
input_code.send_keys(Keys.ENTER)

如果你用的是可視化瀏覽器，這時候就可以看到自己的郵箱了。
可以再看看當前的url，是不是已經(jīng)跳轉回郵箱的url了呢?

print(browser.current_url)

成功登錄之后，要爬取什么東西都很簡單了，比如課程表、好大學在線的課件等等~

完整代碼

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import requests
import pytesseract
from PIL import Image

browser = webdriver.Chrome()

url = "https://mail.sjtu.edu.cn/"
captcha_url = "https://jaccount.sjtu.edu.cn/jaccount/captcha"
user = 'ben'
pswd = '********'


def get_captcha(captcha_url, cookies, params):
    response = requests.get(captcha_url, cookies=cookies, params=params)
    with open('img.jpeg', 'wb+') as f:
        f.writelines(response)

try:
    browser.get(url)
    cookies = browser.get_cookies()
    cookies = {i["name"]: i["value"] for i in cookies}
    uuid = browser.find_element_by_xpath('//form/input[@name="uuid"]')
    params = {
        'uuid': uuid.get_attribute('value')
    }
    get_captcha(captcha_url, cookies, params)
    image = Image.open('img.jpeg')
    code = pytesseract.image_to_string(image)
    print(code)
    input_user = browser.find_element_by_id('user')
    input_user.send_keys(user)
    input_pass = browser.find_element_by_id('pass')
    input_pass.send_keys(pswd)
    input_code = browser.find_element_by_id('captcha')
    input_code.send_keys(code)
    input_code.send_keys(Keys.ENTER)
    print(browser.current_url)
finally:
    print('success!')