登录后再采集数据

有很多网站，是需要登录账号密码以后，才能采集到目标数据的。有的网站登录时还会需输入验证码。

针对这类网站，八爪鱼提供多种解决方法。本课将详细讲解。

方法一、浏览器模式+记住Cookie

针对需要登录的网站，我们可以先将八爪鱼切换成浏览器模式，在浏览器模式下完成登录。然后通过获取Cookie记住登录状态。这样，八爪鱼

能在执行采集任务时，直接以登录状态打开网页，然后再采集数据。

场景一：输入账号、密码登录

以豆瓣网为例，

登录网址为：https://www.douban.com

实际要采集数据的网址为：https://book.douban.com/tag/%E5%B0%8F%E8%AF%B4

步骤1、使用浏览器模式，输入账号密码，完成登录

在客户端首页，输入登录网址，打开网页后，点击  按钮，进入浏览器模式。下图状态即为浏览器模式。在浏览器模式下，和用普通浏览器访问网页完全一样：只可浏览网页数据，不可配置规则。如需编辑规则，再次点击 按钮，关闭浏览器模式。

鼠标放到图片上，右键，选择【在新标签页中打开图片】可查看高清大图

下文其他图片同理

在浏览器模式中，输入账号密码并登录。可以看到，现在我们已经以登录状态访问网页。

步骤2、记住Cookie

现在，我们已经处于登录状态，八爪鱼可以获取登录后的Cookie，记住登录状态。

将鼠标移动到【打开网页】步骤后的 位置，会出现  按钮。点击 按钮，再添加一个【打开网页】步骤。双击新建的【打开网页】步骤，输入要采集数据的目标网址：https://book.douban.com/tag/%E5%B0%8F%E8%AF%B4。

然后在【高级设置】勾选【使用指定的Cookie】，再点击【获取当前页面Cookie】。获取Cookie后会变成 ，点击  ，可查看具体的Cookie内容，最后点击【应用】保存。

八爪鱼会记住这个Cookie状态，启动采集后，直接以登录状态打开网页。

特别说明：

a. Cookie是什么？通俗的说，Cookie是一些存储在用户电脑上的小文件，用来保存一些站点的用户数据，作用是让浏览器为用户定制内容。例如：用户第一次访问某网站，输入了账号密码登录。浏览器会问你是否需要“记住账号密码”。选择是以后，浏览器就会将这些账号密码信息存储在用户电脑上。下次再访问此网站，就无需再次输入账号密码。

b. Cookie是有生命周期的，这个周期多长时间取决于采集的网站。如果Cookie到期了，就需要再重新获取一次登陆之后的Cookie。

c. 如果需要切换账号，可以打开【高级选项】，勾选【打开网页前先清理缓存】。这样，每次打开网页时都会清理掉缓存信息，以未登录状态打开网页，此时再登录新账号即可。

步骤3、按照需求，配置采集任务

接下来，请根据采集需求，自行配置采集任务。在这里以提取第1页的列表数据为例。如若不会，请看 新手入门教程 。

可以看到，在启动本地采集以后，八爪鱼就以登录状态打开网页，采集数据。

场景二：输入账号、密码、验证码登录

以八爪鱼官网为例，登录网址为：https://www.bazhuayu.com/login

与上面的方法一致，打开八爪鱼的浏览器模式，输入账号、密码、验证码即可。

获取登录后的Cookie，记住登录状态。然后再按需求配置采集规则，具体请参考 新手入门课程，这里不再赘述。

特别说明：

a. 用浏览器模式登录时，支持多种类型的验证码，包括输入型、滑块、手势等，因为是我们自己手动操作，跟在浏览器中相同。

记住cookie十分方便，每次直接以登录状态打开网页采集数据。但是，这个方法有一定局限性，部分网站是不支持Cookie登录的。此时，我们就可以用下面的方法。

方法二、配置【输入账号-输入密码-点击登录】的流程

针对需要登录的网站，我们也可以在采集流程中配置【输入账号-输入密码-点击登录】步骤，模拟登录。这样，八爪鱼在执行采集任务时，就会走一遍输入账号密码的流程。

场景：输入账号、密码、验证码登录

以八爪鱼官网为例，

登录网址为：https://www.bazhuayu.com/login

步骤1、配置输入账号、输入密码的流程

网页打开以后，选中网页的用户名输入框，在弹出的操作提示框中，输入账号。再选中网页的密码输入框，在弹出的操作提示框中，输入密码。

步骤2、使用【验证码识别】控件，实现自动打码

账号、密码一般都是固定的，因此可以用文本输入的方法。但是，验证码是变化的，并不固定。

八爪鱼提供【验证码识别】控件，接入优质打码平台，可以实现自动识别验证码。以下为具体配置过程。

先选中页面中的验证码输入框，再弹出的操作提示框中，选择【识别验证码】，再在页面中选中验证码图片，根据提示，继续在页面中选中【登录】按钮（选中页面中点击登录的按钮，根据网页实际情况来）。

接下来，需要配置【识别失败】场景。点击【确定】，八爪鱼会自动提交一个错误验证码，此时页面中出现【验证码错误】提示。点击页面中的【验证码错误】，再点击操作提示框中的【确认错误】。

特别说明：

a. 为什么要配置【识别失败】场景？因为自动识别验证码，可能存在识别错误的情况（网站需要多次输入验证码/八爪鱼对接的打码平台有0.1%概率出错）。八爪鱼需要知道识别错误后的提示是什么，根据是否出现提示判断是否识别失败。如果识别失败，则再次自动识别，直至识别正确。

下面，需要配置【识别成功】场景。点击【开始配置识别成功场景】，在弹出的操作提示框中，输入正确的验证码，然后点击【应用到网页并完成配置】。可以看到，登录成功。

步骤3、按照需求，配置采集任务

登录完成以后，按照需求配置采集规则即可。在这里仅提取1个简单的字段。

步骤4、启动采集，采集数据

启动本地采集后，可以看到，八爪鱼按照我们配置好的流程，自动地输入账号、密码、识别验证码，完成登录并采集数据。

特别说明：

a. 勾选【自动识别验证码】后，自动识别才会生效，如果不勾选则需要自己手动输入验证码。【自动识别验证码】会消耗验证码余额。

b. 进行本地采集时，第一次自动将验证码识别后，需帮助系统点击一次【确认】。进行云采集时，这个过程由八爪鱼自行完成，无需用户手动确认，并且云采集默认会拆分任务进行采集，如果任务里面设置了使用验证码，则拆分的每个子任务都会消耗验证码进行采集。

c.【自动识别验证码】，只支持自动识别两种类型的验证码：输入验证码、和部分滑块验证码。

d. 【自动识别验证码】默认勾选 Ajax，超时时间为 5 秒。可根据网站实际加载情况进行更改，具体请查看 Ajax教程。