使用Python Requests登录高校网站时返回相同页面的问题求助

嘿，我来帮你搞定这个登录爬取的问题！从你给出的表单代码片段来看，咱们一步步拆解问题，逐个解决：

第一步：先理清登录的核心要素 #

从你提供的表单里，能提取这些关键信息：

• 登录请求的提交地址：表单的action是/Home/ValidaAcceso，所以完整URL需要拼接学校域名，比如https://your-school-domain.com/Home/ValidaAcceso（记得替换成实际的学校域名）
• 请求方法：POST，所以要用Requests的POST方法提交数据
• 用户名输入框：id="login-username"，但表单提交靠的是name属性而非id，你粘贴的代码里name=&q...没写完，一定要去登录页面源码里找到这个输入框的完整name值（比如可能是username或者和id一致的login-username）

第二步：用Session保持会话，获取Cookies和CSRF令牌 #

大部分学校网站（尤其是ASP.NET框架搭建的）会在登录页面设置CSRF令牌和会话Cookies，用来防止跨站请求伪造。咱们得先访问登录页面拿到这些关键内容：

import requests
from bs4 import BeautifulSoup

# 初始化Session，自动处理Cookies，保持会话状态
session = requests.Session()

# 替换成学校实际的登录页面URL
login_page_url = "https://your-school-domain.com/Home/Login"
# 伪装成浏览器的User-Agent，避免被网站拦截
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36"
}

# 访问登录页面，获取Cookies和页面源码
response = session.get(login_page_url, headers=headers)
soup = BeautifulSoup(response.text, "html.parser")

# 提取CSRF令牌（不同网站的令牌name可能不同，常见的有__RequestVerificationToken、csrfmiddlewaretoken）
# 你需要在登录页面源码里找类似<input type="hidden" name="xxx" value="xxx">的隐藏字段
csrf_token = soup.find("input", {"name": "__RequestVerificationToken"})["value"]

第三步：准备登录表单数据，提交请求 #

把所有表单需要的字段整理成字典，包括用户名、密码、CSRF令牌，还有可能存在的隐藏字段（比如returnUrl、__VIEWSTATE这类ASP.NET常见字段，都要从页面源码或浏览器抓包中找到）：

# 替换成实际的表单字段名和你的账号密码
login_data = {
    "login-username": "你的学号/用户名",  # 填你找到的用户名输入框的name值
    "login-password": "你的登录密码",  # 同理，找密码输入框的name值
    "__RequestVerificationToken": csrf_token,
    # 如果有其他隐藏字段，比如returnUrl，也要加进来
    # "returnUrl": "/Home/Dashboard"
}

# 提交登录请求
login_action_url = "https://your-school-domain.com/Home/ValidaAcceso"
login_response = session.post(login_action_url, data=login_data, headers=headers)

# 验证登录是否成功：访问一个需要登录才能查看的页面，比如个人主页
dashboard_url = "https://your-school-domain.com/Home/Dashboard"
dashboard_response = session.get(dashboard_url, headers=headers)

# 检查页面内容里的登录成功标识（比如你的名字、"欢迎"字样）
if "欢迎" in dashboard_response.text or "你的名字" in dashboard_response.text:
    print("登录成功！可以开始爬取内容啦～")
else:
    print("登录失败！可能原因：字段名错误、密码不对、CSRF令牌提取错误，或者网站有验证码拦截")

常见坑点提醒 #

• 核对所有表单字段：别漏了隐藏字段！可以用浏览器开发者工具（F12）在登录时抓包，查看Form Data里所有提交的键值对，确保你的login_data完全匹配
• 验证码问题：如果学校网站登录需要验证码，得额外处理（比如手动输入、用OCR工具识别），不过很多校内网站可能没有这个限制
• 请求头完整性：有些网站会检查Referer头，你可以在POST请求里加上"Referer": login_page_url
• 证书问题：如果学校网站HTTPS证书有问题，POST时可以临时加verify=False，但这只是应急方案，不推荐长期使用

内容的提问来源于stack exchange，提问作者Nicolas Suarez