python登录豆瓣并获取自己看过的电影

python登录豆瓣网站的过程

准备工作

进入豆瓣登录页面https://accounts.douban.com/passport/login

选择使用密码登录

1.  按下F12键进入控制台，
2. 选择网络

• 在输入框内输入错误的帐号密码，点击登录，
• 这时就会看到

网站发送了一个请求，因为是错误的帐号密码，所以无法发送成功，这时就可查看POST发送的表单信息和登录所使用的链接

https://accounts.douban.com/j/mobile/login/basic

表单信息

 这是使用python提交给后台的数据之一

为了让豆瓣知道我们是用浏览器来登录的，需要添加另一个头信息

User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 fari/537.36 Edg/83.0.478.37

 

另外一般网站登录时候都有Cookie验证，所以请求时候Cookie也是必不可少的，这个也可以在标头内获取到。

 

尝试登录

代码python3

# -*- coding: utf-8 -*-
import requests


def main():
    url_basic = 'https://accounts.douban.com/j/mobile/login/basic'

    ua_headers = {
        "User-Agent": 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
        "Cookie": "你的登录Cookie",
    }

   
    data = {
        'ck': '',
        'name': '你的登录帐号',
        'password': '你的登录密码',
        'remember': 'false',
        'ticket': ''
    }
    
    s = requests.Session()
    
    r = s.post(url=url_basic, data=data, headers=ua_headers)
    print(r.text)if __name__ == '__main__':
    main()

运行代码输出

这时豆瓣就已经登录成功了

获取自己看过的电影

经过上面的测试一切正常，这时网上的一些文章开始请求自己的主页面

https://www.douban.com/people/你的豆瓣ID/

这时豆瓣就会直接返回登录豆瓣的页面，不管cookie的格式有没有转换

所以测试页面不要用自己的豆瓣个人中心

改用自己看过的电影

https://movie.douban.com/people/这里是你的ID号/collect?start=0&sort=time&rating=all&filter=all&mode=grid

这样豆瓣就可以正常返回我们需要的页面了

完整代码如下

# -*- coding: utf-8 -*-
import requests


def main():
    url_basic = 'https://accounts.douban.com/j/mobile/login/basic'

    ua_headers = {
        "User-Agent": 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
        "Cookie": "你的登录Cookie",
    }

    data = {
        'ck': '',
        'name': '你的登录帐号',
        'password': '你的登录密码',
        'remember': 'false',
        'ticket': ''
    }

    s = requests.Session()
    
    url = 'https://movie.douban.com/people/你的豆瓣ID/collect?start=0&sort=time&rating=all&filter=all&mode=grid'
    r = s.post(url=url_basic, data=data, headers=ua_headers)
    print(r.text)
    r.raise_for_status()
    response = s.get(url=url, headers=ua_headers)
    print(response.status_code)
    with open('douban3.html', 'wb') as f:
        f.write(response.content)


if __name__ == '__main__':
    main()

测试结果如下

 生成的douban3.html页面截取

 页面在浏览器打开

这样暂时没有发现反爬的措施，爬取页面成功，需要后续操作可以使用beautifulsoup来实现内容获取