在Python中验证aspx页面的错误问题

Question

这里有几个相关的问题，但我看了他们的回答还是没能解决我的问题，所以我想试试自己发个帖。

简单来说，我想从一个需要用户名和密码的网站下载一些 *.zip 文件。这是网站的登录页面：

http://data.theice.com/MyAccount/Login.aspx

一旦登录成功（在正常的浏览器会话中），我可以通过点击下载链接来下载我需要的 *.zip 文件，比如：

http://data.theice.com/MyAccount/Download.aspx?PUID=41483&PDS=2&PRODID=3744&TS=2014

到目前为止，我尝试使用了 cookielib、urllib、urllib2 和 HTMLParser 这些库。我用 HTMLParser 来读取 __VIEWSTATE 和 __EVENTVALIDATION 的值，因为我看到在表单中重新提交相同的值是很重要的。然而，当我尝试用正确的登录信息打开登录页面时，我只得到了（未认证的）登录页面。我真的不确定我哪里做错了，但任何帮助都会非常感激。

谢谢 :)

附言：我意识到我在这里粘贴了很多代码。我这样做只是为了完整性，但我很确定获取 __VIEWSTATE 和 __EVENTVALIDATION 值的代码是返回了正确的值。

import cookielib
import urllib
import urllib2
from HTMLParser import HTMLParser

class IceConnection(object):

    def __init__(self, username, password):

        self.username = username
        self.password = password
        self.url = "http://data.theice.com/MyAccount/Login.aspx"
        self.headers = [
                    ('user-agent','Mozilla/5.0 (Windows NT 6.3; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0'),
                    ('accept','text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8'),
                    ('accept-language','en-US,en;q=0.5'),
                    ('accept-encoding','gzip, deflate'),
                    ('accept-charset','iso-8859-1,utf-8;q=0.7,*;q=0.7'),
                    ('connection','keep-alive'),
                    ('content-type','application/x-www-form-urlencoded')
        ]

        self.cookies = cookielib.CookieJar()
        self.opener = urllib2.build_opener(
            urllib2.HTTPRedirectHandler(),
            urllib2.HTTPHandler(debuglevel=0),
            urllib2.HTTPSHandler(debuglevel=0),
            urllib2.HTTPCookieProcessor(self.cookies)
        )
        self.opener.addheaders = self.headers

        #Extract view_state and event_validation variables:
        field_names = [r'__VIEWSTATE', r'__EVENTVALIDATION']
        field_values = self.extractFields(field_names)

        view_state = field_values[0]
        event_validation = field_values[1]

        self.fields = (
            (r'__EVENTTARGET', r''),
            (r'__EVENTARGUMENT', r''),
            (r'__LASTFOCUS',r''),
            (r'__VIEWSTATE', view_state),
            (r'__EVENTVALIDATION', event_validation),
            (r'ctl00$ContentPlaceHolder1$LoginControl$m_userName', username),
            (r'ctl00$ContentPlaceHolder1$LoginControl$m_password', password)
        )

        login_data = urllib.urlencode(self.fields)
        print response = self.opener.open(self.url, login_data)

    def extractFields(self, field_names):
        response = self.opener.open(self.url)
        html = ''.join(response.readlines())

        ret = list()

        for field in field_names:
            parser = PageParser(field)
            parser.feed(html)
            ret.append(parser.value)

        return ret

class PageParser(HTMLParser):
    def __init__(self, field_name):
        HTMLParser.__init__(self)
        self.field = field_name

    def handle_starttag(self, tag, attrs):
        if tag == 'input':
            #Create dictionary of attributes
            attributes = dict()
            for attr in attrs:
                attributes[attr[0]] = attr[1]

            if attributes.has_key('name'):
                if attributes['name'] == self.field:
                    self.value = attributes['value']

用户认证网页抓取 html解析会话管理数据下载表单提交登录验证 aspx页面

在Python中验证aspx页面的错误问题

1 个回答

撰写回答