問題分析：
1、爬取網站時經常會遇到需要登錄的問題，這是就需要用到模擬登錄的相關方法。python提供了強大的url庫，想做到這個並不難。這里以登錄學校教務系統為例，做一個簡單的例子。
2、首先得明白cookie的作用，cookie是某些網站為了辨別用戶身份、進行session跟蹤而儲存在用戶本地終端上的數據。因此我們需要用Cookielib模塊來保持網站的cookie。
3、這個是要登陸的地址 http://202.115.80.153/ 和驗證碼地址 http://202.115.80.153/CheckCode.aspx
4、可以發現這個驗證碼是動態更新的每次打開都不一樣，一般這種驗證碼和cookie是同步的。其次想識別驗證碼肯定是吃力不討好的事，因此我們的思路是首先訪問驗證碼頁面，保存驗證碼、獲取cookie用於登錄，然后再直接向登錄地址post數據。
5、首先通過抓包工具或者火狐或者谷歌瀏覽器分析登錄頁面需要post的request和header信息。以谷歌瀏覽器為例。
從中可以看出需要post的url並不是訪問的頁面，而是http://202.115.80.153/default2.aspx，
其中需要提交的表單數據中txtUserName和TextBox2分別用戶名和密碼。
現在直接到關鍵部分 上代碼！！
1 import urllib2 2 import cookielib 3 import urllib 4 import re 5 import sys 6 '''模擬登錄''' 7 reload(sys) 8 sys.setdefaultencoding("utf-8") 9 # 防止中文報錯 10 CaptchaUrl = "http://202.115.80.153/CheckCode.aspx" 11 PostUrl = "http://202.115.80.153/default2.aspx" 12 # 驗證碼地址和post地址 13 cookie = cookielib.CookieJar() 14 handler = urllib2.HTTPCookieProcessor(cookie) 15 opener = urllib2.build_opener(handler) 16 # 將cookies綁定到一個opener cookie由cookielib自動管理 17 username = 'username' 18 password = 'password123' 19 # 用戶名和密碼 20 picture = opener.open(CaptchaUrl).read() 21 # 用openr訪問驗證碼地址,獲取cookie 22 local = open('e:/image.jpg', 'wb') 23 local.write(picture) 24 local.close() 25 # 保存驗證碼到本地 26 SecretCode = raw_input('輸入驗證碼： ') 27 # 打開保存的驗證碼圖片 輸入 28 postData = { 29 '__VIEWSTATE': 'dDwyODE2NTM0OTg7Oz6pH0TWZk5t0lupp/tlA1L+rmL83g==', 30 'txtUserName': username, 31 'TextBox2': password, 32 'txtSecretCode': SecretCode, 33 'RadioButtonList1': '學生', 34 'Button1': '', 35 'lbLanguage': '', 36 'hidPdrs': '', 37 'hidsc': '', 38 } 39 # 根據抓包信息 構造表單 40 headers = { 41 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 42 'Accept-Language': 'zh-CN,zh;q=0.8', 43 'Connection': 'keep-alive', 44 'Content-Type': 'application/x-www-form-urlencoded', 45 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36', 46 } 47 # 根據抓包信息 構造headers 48 data = urllib.urlencode(postData) 49 # 生成post數據 ?key1=value1&key2=value2的形式 50 request = urllib2.Request(PostUrl, data, headers) 51 # 構造request請求 52 try: 53 response = opener.open(request) 54 result = response.read().decode('gb2312') 55 # 由於該網頁是gb2312的編碼，所以需要解碼 56 print result 57 # 打印登錄后的頁面 58 except urllib2.HTTPError, e: 59 print e.code 60 # 利用之前存有cookie的opener登錄頁面
登錄成功后便可以利用該openr訪問其他需要登錄才能訪問的頁面。