Python中如何解决拥有加密表单的爬虫问题

要爬取有加密表单的网站，关键在于逆向分析前端加密逻辑。通常需要三步：

1. 定位加密函数：在浏览器开发者工具中搜索encrypt、sign、password等关键词，找到表单提交前的加密代码
2. 分析加密参数：常见的加密方式包括RSA公钥加密、AES加密、或自定义的JavaScript混淆加密
3. Python实现：根据分析结果用Python重现加密逻辑

这里有个典型例子，假设网站用RSA加密密码：

import execjs
import requests

# 方法1：使用execjs执行JavaScript加密函数
def encrypt_with_js(password, public_key):
    with open('encrypt.js', 'r', encoding='utf-8') as f:
        js_code = f.read()
    
    ctx = execjs.compile(js_code)
    encrypted = ctx.call('rsaEncrypt', password, public_key)
    return encrypted

# 方法2：纯Python实现（如果分析出算法）
from Crypto.PublicKey import RSA
from Crypto.Cipher import PKCS1_v1_5
import base64

def rsa_encrypt_python(password, public_key_str):
    # 加载公钥
    public_key = RSA.import_key(public_key_str)
    cipher = PKCS1_v1_5.new(public_key)
    
    # 加密并base64编码
    encrypted = cipher.encrypt(password.encode())
    return base64.b64encode(encrypted).decode()

# 实际爬虫中使用
session = requests.Session()

# 先获取登录页，提取公钥和加密参数
login_page = session.get('https://example.com/login')
# 这里需要解析页面中的公钥和加密参数（通常隐藏在JS变量或meta标签中）

# 加密密码
encrypted_password = rsa_encrypt_python('your_password', '公钥字符串')

# 提交表单
payload = {
    'username': 'your_username',
    'password': encrypted_password,
    # 可能还有其他加密参数如timestamp、sign等
}

response = session.post('https://example.com/login', data=payload)

如果遇到更复杂的混淆加密，可能需要用selenium或playwright直接执行浏览器环境中的加密函数。关键是要耐心分析网络请求，找到真正的加密入口点。

总结：逆向分析前端JS是核心。