爬取网站时经常会遇到需要登录的问题，这是就需要用到模拟登录的相关方法。python提供了强大的url库，想做到这个并不难。这里以登录学校教务系统为例，做一个简单的例子。

首先得明白cookie的作用，cookie是某些网站为了辨别用户身份、进行session跟踪而储存在用户本地终端上的数据。因此我们需要用Cookielib模块来保持网站的cookie。

这个是要登陆的地址 http://202.115.80.153/ 和验证码地址 http://202.115.80.153/CheckCode.aspx

可以发现这个验证码是动态更新的每次打开都不一样，一般这种验证码和cookie是同步的。其次想识别验证码肯定是吃力不讨好的事，因此我们的思路是首先访问验证码页面，保存验证码、获取cookie用于登录，然后再直接向登录地址post数据。

首先通过抓包工具或者火狐或者谷歌浏览器分析登录页面需要post的request和header信息。以谷歌浏览器为例。

从中可以看出需要post的url并不是访问的页面，而是http://202.115.80.153/default2.aspx，

其中需要提交的表单数据中txtUserName和TextBox2分别用户名和密码。

现在直接到关键部分 上代码！！

import urllib2
import cookielib
import urllib
import re
import sys
\'\'\'模拟登录\'\'\'
reload(sys)
sys.setdefaultencoding(\"utf-8\")
# 防止中文报错
CaptchaUrl = \"http://202.115.80.153/CheckCode.aspx\"
PostUrl = \"http://202.115.80.153/default2.aspx\"
# 验证码地址和post地址
cookie = cookielib.CookieJar()
handler = urllib2.HTTPCookieProcessor(cookie)
opener = urllib2.build_opener(handler)
# 将cookies绑定到一个opener cookie由cookielib自动管理
username = \'username\'
password = \'password123\'
# 用户名和密码
picture = opener.open(CaptchaUrl).read()
# 用openr访问验证码地址,获取cookie
local = open(\'e:/image.jpg\', \'wb\')
local.write(picture)
local.close()
# 保存验证码到本地
SecretCode = raw_input(\'输入验证码： \')
# 打开保存的验证码图片 输入
postData = {
\'__VIEWSTATE\': \'dDwyODE2NTM0OTg7Oz6pH0TWZk5t0lupp/tlA1L+rmL83g==\',
\'txtUserName\': username,
\'TextBox2\': password,
\'txtSecretCode\': SecretCode,
\'RadioButtonList1\': \'学生\',
\'Button1\': \'\',
\'lbLanguage\': \'\',
\'hidPdrs\': \'\',
\'hidsc\': \'\',
}
# 根据抓包信息 构造表单
headers = {
\'Accept\': \'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8\',
\'Accept-Language\': \'zh-CN,zh;q=0.8\',
\'Connection\': \'keep-alive\',
\'Content-Type\': \'application/x-www-form-urlencoded\',
\'User-Agent\': \'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36\',
}
# 根据抓包信息 构造headers
data = urllib.urlencode(postData)
# 生成post数据 ?key1=value1&key2=value2的形式
request = urllib2.Request(PostUrl, data, headers)
# 构造request请求
try:
response = opener.open(request)
result = response.read().decode(\'gb2312\')
# 由于该网页是gb2312的编码，所以需要解码
print result
# 打印登录后的页面
except urllib2.HTTPError, e:
print e.code
# 利用之前存有cookie的opener登录页面

登录成功后便可以利用该openr访问其他需要登录才能访问的页面。