从 What.cd 检索页面

Question

我正在使用 BeautifulSoup for What.cd 使用 Python 开发屏幕抓取工具。我在工作时遇到了这个脚本并决定看看它，因为它看起来与我正在做的事情相似。但是，每次运行该脚本时，我都会收到一条消息，指出我的凭据错误，即使事实并非如此。

据我所知，我收到此消息是因为当脚本尝试登录到what.cd 时，what.cd 应该返回一个cookie，其中包含允许我稍后在脚本中请求页面的信息。所以脚本失败的地方是：

cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
login_data = urllib.urlencode({'username' : username,
                               'password' : password})
check = opener.open('http://what.cd/login.php', login_data)
soup = BeautifulSoup(check.read())
warning = soup.find('span', 'warning')
if warning:
    exit(str(warning)+'\n\nprobably means username or pw is wrong')

我尝试了多种与网站进行身份验证的方法，包括使用 CookieFileJar，该脚本位于 此处，以及请求模块。我收到的每条消息都是相同的 HTML 消息。简而言之，它表示“Javascript 已禁用”和“Cookie 已禁用”，并且还提供了一个 HTML 登录框。

我真的不想搞乱机械化，但目前我看不到任何其他方法可以做到这一点。如果有人可以提供任何帮助，我们将不胜感激。

Answer 1

经过几个小时的搜索，我找到了解决问题的方法。我仍然不确定为什么这段代码的工作方式与上面的版本相反，但它确实如此。这是我现在使用的代码：

import urllib
import urllib2
import cookielib

cj = cookielib.LWPCookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)

request = urllib2.Request("http://what.cd/index.php", None)
f = urllib2.urlopen(request)
f.close()

data = urllib.urlencode({"username": "your-login", "password" : "your-password"})
request = urllib2.Request("http://what.cd/login.php", data)
f = urllib2.urlopen(request)

html = f.read()
f.close()

信用来自 linuxquestions.org。感谢所有提供意见的人。