Eu estou tentando automatizar a extração de algumas informações de um site que primeiro requer que eu faça o login. Eu fiz isso no passado (anos atrás) usando o wget, mas esse método não parece mais funcionar - e eu não sei porque.
Eu costumava fazer assim:
MY_USERNAME=username # needs to be urlencoded, this can be done at http://lajm.eu/emil/dump/stringfunctions.php.
MY_PASSWORD=password # also has to be urlencoded
LOGIN_DATA="action=login&login_nick=$MY_USERNAME&login_pwd=$MY_PASSWORD"
wget --quiet --save-cookies cookiejar --keep-session-cookies --post-data $LOGIN_DATA --user-agent 'Firefox' -O um.htm http://ungdomar.se/index.php
Agora, quando tento executar isso, acabo sendo enviado de volta para a página principal (portanto, não estou apenas colocando a senha errada. Se eu tivesse feito isso, obteria uma marcação diferente).
Eu também tentei fazer isso em Python usando mecanizar (isso seria preferível para wget), mas eu pareço obter o mesmo resultado. Apenas confunde minha mente porque isso não funciona. Esta é a parte do site que lida com o formulário. Para ver a marcação completa, simplesmente vá para ungdomar.se .
<div id="loginLoginbox" style="display:none;">
<form name="login" method="post" action="/">
<table width="250" cellspacing="0" cellpadding="0" border="0">
<tr>
<td colspan="2">
<span class="page_login_text">Användarnamn</span><br />
<input name="login_nick" type="text" style="width:250px;height:16px;line-height:10px;font-size:9px;" maxLength="30">
</td>
</tr>
<tr>
<td colspan="2">
<span class="page_login_text">Lösenord</span><br />
<input name="login_pwd" type="password" style="width:250px;height:16px;line-height:10px;font-size:9px;" maxLength="25"><br />
<img src="/gfx/1x1.gif" width="1" height="5" alt="" />
</td>
</tr>
<tr>
<td width="42%" valign="top">
<span style="vertical-align:super;" class="page_login_text">
<label for="login_auto">Kom ihåg mig</label>
</span>
<input name="login_auto" id="login_auto" type="checkbox" value="1" style="width:12px; height:12px;">
</td>
<td width="58%" align="right" valign="top">
<a class="page_login_text" href="/sendpwd.php">Glömt lösen?</a>
<button class="button_active" type="submit">Logga in</button>
</td>
</tr>
</table>
</form>
</div>
Se alguém pudesse me dizer por que isso não funcionaria, eu ficaria eternamente grato.
EDIT: Acabei de configurar o meu próprio formulário web (estruturado exatamente como aquele no site), e funcionou muito bem. Agora, o que diabos eles poderiam estar fazendo que faz com que eu não possa logar usando wget ou mechanize?