由于工作方面的需要,让我对 mechanize 爱不择手。
但是 mechanize 也有她的缺点,她不能解释网页中的 javascript代码。
可是就在某一天里,我有了一个不小的发现。
我记得我需要做的是一个自动登陆,这对于 mechanize 来说轻而易举事。而事实却并非想像的那样简单。
原因是,在登陆的 submit 被点下时,网页中的 javascript 却将原来的 action 值给“掉包”了。
<html>
<head>
<title>sample</title>
</head>
<body>
function validateForm() {
var elm = document.getElementById('postForm');
elm.action = './write.php';
return true;
}
<form action="javascript.php" method="post" onSubmit="return validateForm();">
<input type="text" name="user" value="">
<input type="text" name="pass" value="">
<input type="submit" name="submit" value="登陆">
</form>
</body>
</html>
我记得在 mechanize 里是可以对 action 进行赋值的,所以就很简单的解决了这个问题。
require 'rubygems'
gem 'mechanize', '0.8.5'
require 'mechanize'
# 生成模拟浏览器
agent = WWW::Mechanize.new
agent.user_agent_alias = 'Windows IE 7'
# 抓取网页源码
page = agent.get('http://www.sample.com/')
# 添写 form 信息
form = page.forms.action('javascript.php').first
form.action = './write.php'
form['user'] = 'user_id'
form['pass'] = 'user_pass'
form.submit
通过这个例子,让我有一想法:
如果将 javascript 代码的动作, 用 mechanze 模拟出来的话,是不是 mechanize 就可以 “跑” javascript 呢?
很幸运,接下来我就遇到这样的问题。
在浏览器里看到的 form 完全是用 javascript 生成的。
用以往的 mechanize 抓取 form 信息, 返回的结果是 nil 。
好, 使用刚刚得来的经验, 用 mechanze 模拟 javscript 来生成 form 的代码(需要解读 javascrpit ,找出
form 的 action 值, 以及相关标签的 name 信息)。
require 'rubygems'
gem 'mechanize', '0.8.5'
require 'mechanize'
# 生成模拟浏览器
agent = WWW::Mechanize.new
agent.user_agent_alias = 'Windows IE 7'
# 抓取网页源码
page = agent.get('http://www.sample.com/')
# 将 javascript 解读出 form 信息模拟成 html 代码
form_code = "<form action='javascript.php' method='post' name='form1'>" +
"<input type='text' name='user' value=''>" +
"<input type='text' name='pass' value=''>" +
"<input type='submit' name='submit' value='登陆'>"
# 向 body 标签内强制添加 form 信息
page.root.search("body").inner_html += form_code
# 抓取 form 信息
form = page.forms.name('form1').first
p form
只要是 form 信息找对了,完美的实现了登陆动作,不过~!?
不过,我对 javascript 可不是太了解。
现在的网站, javascrpit 脚本动则就上百行,哪一部分才是自已需要的,分析起来很是花时间。
由是,我的完美方案出现了,哈~!
不必在成堆的 javascrpit 代码里去查找自已所需要的登陆信息了。
利用 firefox 插件 live http headers 将向服务器提交表单,的数据瞬间的抓取出来。
这样就达到了不必去解读 javascript 了。无论 javascript 怎么变, 向服务器提交时的数据一定是最真实的。
以上是个人在工作中的一些小总结。希望能给需要的人带去帮助。
同时,小弟正在查找一起有关 ruby mechanize 对 cookie 进行操作的资料,
如果那位哥们儿手里正好有有关资料的话,希望能共享一下。
先谢谢啦~!
分享到:
相关推荐
总的来说,"multi-mechanize-master"是一个利用Python的`mechanize`库进行多线程网页爬取的示例项目,旨在提高爬虫效率,同时也涉及了网络请求控制、错误处理、数据存储等多个方面,对于学习和实践Python爬虫技术...
ruby mechanize包,mechanize-2.7.3.gem
此外,结合实际项目实践,可以提升对Mechanize的运用技巧,比如抓取动态加载的内容、处理JavaScript等更复杂的场景。 总之,Mechanize是Python Web爬虫和自动化测试领域中不可或缺的工具之一,其强大的功能和易用性...
让我们深入了解一下Mechanize库的核心功能和使用方法。 首先,Mechanize库提供了一个友好的API,可以方便地打开URL、导航页面和处理HTTP请求。通过`Mechanize.new`创建一个新的实例后,你可以使用`get`方法来访问...
Ruby Mechanize 是一个非常强大的 Ruby 库,用于自动化与网站的交互,比如模拟浏览器操作、填写表单、点击链接等。在使用 Ruby Mechanize 之前,首要任务是正确安装其依赖的 gem 包。以下是对 Ruby Mechanize 安装...
ruby mechanize 2.7.2 gem 包
mechanize还提供了一些高级特性,比如支持JavaScript,虽然不是完全模拟,但可以通过配合其他库如Selenium实现对JavaScript的处理。此外,mechanize支持定制HTTP头,这样可以模拟不同的用户代理,避免被网站识别为...
Mechanize自动存储和发送Cookie,跟随重定向,跟随链接并提交表单。 可以填写和提交表单字段。 机械化还可以将您曾经访问过的站点作为历史记录进行跟踪。入门在根文件夹中,您可以运行get_page示例: node examples...
用python成为顶级黑客,第三方库必备,mechanize网络爬虫
在"mechanize-0.2.5"这个特定的版本中,开发者可能会遇到一些已知的问题和限制,比如对某些现代网页技术(如JavaScript)的支持可能不足,因为Mechanize不执行客户端脚本。但总体来说,对于纯HTML交互和测试,它仍然...
该库模仿了Python的mechanize库,使得Java开发者也能轻松进行网页抓取和模拟浏览器行为。 **mechanize4j的核心功能**: 1. **HTTP交互**:mechanize4j能够发送GET和POST请求,处理表单提交,支持HTTP和HTTPS协议,...
总结来说,WWW::Mechanize::Firefox是Perl中一个强大且灵活的工具,它让Perl程序员能够处理那些以往只能由真正浏览器处理的任务,极大地扩展了Perl在Web自动化领域的应用范围。通过结合Firefox的JavaScript执行,...
这个资源是mechanize库的0.3.2版本,专为Python 2构建,支持多种平台。其以whl(wheel)格式提供,这是一种预编译的Python软件包,可以简化安装过程,避免了编译源代码的步骤。 在Python开发中,mechanize库主要...
4. **处理JavaScript**:由于Chrome浏览器支持执行JavaScript,因此可以处理那些依赖JavaScript动态加载内容的网页。 5. **截屏和日志记录**:可以捕获浏览器的屏幕快照,或者记录浏览器的活动日志,用于调试和分析...
The_official_source_code_for_the_python-mechanize__mechanize
Ruby中实现网页抓取,一般用的是mechanize,使用非常简单。 安装 代码如下: sudo gem install mechanize 抓取网页 代码如下: require ‘rubygems’ require ‘mechanize’ agent = Mechanize.new page = agent.get...
mechanize模块是一个强大的工具,它提供了模拟浏览器的功能,包括处理表单提交、跟踪cookies和设置代理等。下面我们将详细探讨mechanize模块的使用方法。 首先,引入必要的库: ```python import mechanize import ...
Mechanize提供了对HTTP请求的控制,使爬虫能更好地模仿用户操作。下面将详细介绍如何使用Mechanize以及结合其他模块来编写爬虫。 首先,要使用Mechanize,确保已经安装了这个模块。如果没有,可以通过`easy_install...
机械化描述Mechanize库用于自动与网站进行交互。 Mechanize自动存储和发送Cookie,遵循重定向,并可以遵循链接和提交表单。 可以填写和提交表单字段。 机械化还可以将您曾经访问过的站点作为历史记录进行跟踪。依存...