wenku8.net login 接口提取与再封装
前文：http://bbs.qyai.net/article/65
直接访问https://www.wenku8.net/index.php，会发现页面被重定向到了https://www.wenku8.net/login.php（如下图），所以，这个网站很多内容你不登录是访问不到的。
那么，login接口就显得极为重要。
先尝试直接用rquests的get方法获取一下这个页面。
果不其然，返回了403 Forbidden状态码：
这时，当然是雷打不动的UA伪装headers环节：
可见，伪装后获取成功了，让我们来打印一下reponse.text：
咦，在最后应该是中文的部分出现了乱码，让我们来改一个编码：
可见乱码问题消失了，你问我为什么不用utf-8，GBK，GB2312？当然是因为这网站比较邪门，汉字是国标编码，但它汉字里有时会夹个日文假名，这时国标码就无能为力，反而会报错了。
你问我啥是ansi？百度百科甩给你：https://baike.baidu.com/item/ANSI/10401940?fromtitle=ansi%E7%BC%96%E7%A0%81&fromid=9421969&fr=aladdin
爬取到页面后，扔进pycharm里重新格式化一下代码，方便找到表单的html。
这里有个小插曲：pycharm提示我有一个<div>标签未闭合，我仔细确认了一下，果然是这样，于是就向网站的管理员反馈了一下，今天已经被修复了
查看一下表单部分的HTML代码，好家伙，还有一个隐藏字段：
接下来，就是按照表单构建requests的post data（顺带一提，为了减少频繁操作cookie，我用了requests的session功能）：
这个usecookie在表单里表现成一个选择框，据我分析应该是这个意思：
使用我的登录信息进行测试后，确认可以获取到只有登录后才能获取到的界面：
至此，login接口提取成功。
- 发表于 2021-06-26 15:27
- 阅读 ( 1232 )
- 分类：默认分类
