模拟登录并获取html代码

title: Go语言模拟登录并爬虫
tags: go,爬虫
author: Clown95

想要学习爬虫的朋友知道，有时候我们需要爬的网站必须登录，才能获取到数据，那么我们该怎么模拟登录呢？

需求

我们登录上网站，并且选择应用管理。
我们现在需要爬取我们账号下的所有APP信息，根据签名期限，来计算APP剩余的时间（小时）。

获取cookie

1.登录上网站
2.按F12（不考虑IE浏览器），我这里使用的Chrome, 我们选择Network，再次刷新下网页

复制下我们的cookie

var cookie string ="in_userid=1; in_username=xxxxxqq.com; in_userpassword=xxxxx; in_adminid=3; in_adminname=xxxxxqq.com; in_adminpassword=xxxxx; in_permission=1%2C2%2C3%2C4%2C5%2C6"

为了安全起见我把部分信息使用xxxx进行替换。

查看html 信息

<div class="card app card-ios"><i class="type-icon icon-apple"></i><div class="type-mark"></div><a class="appicon" href="/index.php/each_app/38"><img class="icon ng-isolate-scope" width="100" height="100" src="https://866w.cn/data/attachment/91541742353-1.png?v=1541750743" onerror="this.src='/static/app/iOS.png'"></a><br><p class="appname"><i class="icon-owner"></i><span class="ng-binding">鹿鼎娱乐</span></p><table><tbody><tr><td class="ng-binding">签名期限：</td><td><span class="ng-binding"><a href="/index.php/sign_app/38">2018-12-10 13:49:16</a></span></td></tr><tr><td class="ng-binding">应用平台：</td><td><span class="ng-binding">iOS</span></td></tr><tr><td class="ng-binding">应用标识：</td><td><span class="ng-binding">com.baochi.bc</span></td></tr><tr><td class="ng-binding">最新版本：</td><td><span class="ng-binding">1.0（Build 1891）</span></td></tr></tbody></table><div class="action"><a class="ng-binding" href="/index.php/profile_app/38"><i class="icon-pen"></i> 管理</a><a href="这边是网站地址。。。" target="_blank" class="ng-binding"><i class="icon-eye"></i> 预览</a><button class="btn btn-remove ng-scope" onclick="del_app(38, 1)"><i class="icon icon-trash"></i></button></div></div>

card app card-iosxxxxx

制作正则表达式

(.*?)

这里我定义一个 Reg变量，保存正则表达式。

Reg := `<div class="card app card-ios">(.*?)<span class="ng-binding">(.*?)</span></p><table><tbody><tr><td class="ng-binding">签名期限：</td><td><span class="ng-binding"><a href="(.*?)">(.*?)</a></span></td></tr><tr><td class="ng-binding">应用平台：</td><td><span class="ng-binding">iOS</span></td></tr><tr><td class="ng-binding">应用标识：</td><td><span class="ng-binding">(.*?)</span></td></tr><tr><td class="ng-binding">最新版本：</td><td><span class="ng-binding">(.*?)</span></td></tr></tbody></table>(.*?)</div>

反爬虫

user-agentuser-agent

user-agent 数组

var userAgentList = []string{"Mozilla/5.0 (compatible, MSIE 10.0, Windows NT, DigExt)",
    "Mozilla/4.0 (compatible, MSIE 7.0, Windows NT 5.1, 360SE)",
    "Mozilla/4.0 (compatible, MSIE 8.0, Windows NT 6.0, Trident/4.0)",
    "Mozilla/5.0 (compatible, MSIE 9.0, Windows NT 6.1, Trident/5.0,",
    "Opera/9.80 (Windows NT 6.1, U, en) Presto/2.8.131 Version/11.11",
    "Mozilla/4.0 (compatible, MSIE 7.0, Windows NT 5.1, TencentTraveler 4.0)",
    "Mozilla/5.0 (Windows, U, Windows NT 6.1, en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    "Mozilla/5.0 (Macintosh, Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    "Mozilla/5.0 (Macintosh, U, Intel Mac OS X 10_6_8, en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    "Mozilla/5.0 (Linux, U, Android 3.0, en-us, Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13",
    "Mozilla/5.0 (iPad, U, CPU OS 4_3_3 like Mac OS X, en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
    "Mozilla/4.0 (compatible, MSIE 7.0, Windows NT 5.1, Trident/4.0, SE 2.X MetaSr 1.0, SE 2.X MetaSr 1.0, .NET CLR 2.0.50727, SE 2.X MetaSr 1.0)",
    "Mozilla/5.0 (iPhone, U, CPU iPhone OS 4_3_3 like Mac OS X, en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
    "MQQBrowser/26 Mozilla/5.0 (Linux, U, Android 2.3.7, zh-cn, MB200 Build/GRJ22, CyanogenMod-7) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1"}

随机获取user-agent

上面我们存储了不同的浏览器user-agent, 现在我们还需要一个函数来随机调用它们。

func GetRandomUserAgent() string {
    r := rand.New(rand.NewSource(time.Now().UnixNano()))
    return userAgentList[r.Intn(len(userAgentList))]
}

模拟登录并获取html代码

现在我们开始进入重点，有了cookie我们怎么才能模拟登录，并且怎么才能获取网站的信息。

func getUrlRespHtml() string {
    url := "https://866w.cn/index.php/home"
    client := &http.Client{}
    req, err := http.NewRequest("GET", url, nil)
    if err!=nil {
        fmt.Println("获取地址错误")
    }
    req.Header.Set("Cookie", cookie)
    req.Header.Add("Agent",GetRandomUserAgent() )
    resp, err := client.Do(req)
    if err!=nil {
        fmt.Println("登录错误")
    }
    resp_byte, err := ioutil.ReadAll(resp.Body)
    defer resp.Body.Close()
    respHtml := string(resp_byte)
    return respHtml

}

使用正则表达式筛选信息

当然我们获取了网站的html 代码也不行，html的信息太多，我们需要对它进行筛选，我们需要获取应用名称、签名期限、应用标识、最新版本等信息，并且我们还需要根据签名期限来计算剩余时间。

运行

func main()  {
    Initialize()
}

我们可以查看到运行结果。

总结

到此我们的教程已经结束，你可以自己根据你的需求来添加文本保存，或者其他啥的功能。如果你对正则表达式比较头疼，你也可以选择一些go的爬虫框架。