当前位置:首页 > 文章列表 > 文章 > python教程 > Python登录验证系统实现教程

Python登录验证系统实现教程

2026-02-15 16:09:44 0浏览 收藏
本文详解了Python中基于纯文本文件(user.txt)实现安全可靠的命令行登录验证系统,直击新手常踩的“隐形空格”陷阱——因未对读取的用户名、密码及用户输入进行strip()清洗,导致看似正确的凭据比对失败;文章不仅提供完整可运行代码,还强调先解析文件、再统一获取输入、最后成对验证的核心逻辑,并给出跳过空行、处理异常格式、防止密码逗号干扰等健壮性优化方案,同时提醒明文存储仅适用于学习场景,为后续构建任务管理系统奠定坚实、清晰、可扩展的认证基础。

如何用Python实现基于文本文件的用户登录验证系统

本文介绍如何使用Python读取`user.txt`文件中的用户名和密码,安全、准确地完成登录验证,并进入任务管理主菜单,重点解决因空白字符导致的验证失败问题。

在构建轻量级命令行应用(如任务管理系统)时,常需实现基础用户认证功能。若暂不引入数据库,纯文本文件(如 user.txt)是一种简单可行的凭证存储方式。但新手常因忽略字符串预处理(尤其是空格与换行符)而遭遇“明明输入正确却无法登录”的问题——正如示例中密码 adm1n 实际被读作 " adm1n"(含前导空格),导致 pass_word == password 永远为 False。

✅ 正确的登录验证逻辑

核心原则:逐行读取、安全分割、严格清洗、独立验证。以下为优化后的完整实现:

def login():
    usernames = []
    passwords = []

    # 1. 安全读取并解析 user.txt
    try:
        with open("user.txt", "r") as f:
            for line in f:
                line = line.strip()  # 先去除整行首尾空白(含 \n)
                if not line:  # 跳过空行
                    continue
                parts = line.split(",", 1)  # 最多分割一次,避免密码含逗号时出错
                if len(parts) != 2:
                    print(f"警告:跳过格式异常行 '{line}'")
                    continue
                username = parts[0].strip()
                password = parts[1].strip()  # ✅ 关键:必须 strip() 清洗密码!
                usernames.append(username)
                passwords.append(password)
    except FileNotFoundError:
        print("错误:未找到 user.txt 文件,请先创建。")
        return False

    # 2. 获取用户输入
    user_name = input("请输入用户名:\n").strip()
    pass_word = input("请输入密码:\n").strip()

    # 3. 验证逻辑(推荐:用户名密码成对匹配,而非分别查找)
    for i in range(len(usernames)):
        if user_name == usernames[i] and pass_word == passwords[i]:
            print("✅ 登录成功!")
            return True  # 登录成功,返回 True

    print("❌ 用户名或密码错误,请重试。")
    return False

# 启动登录流程
if login():
    # 登录成功后显示主菜单
    while True:
        menu = input('''
请选择操作:
r - 注册新用户  
a - 添加任务  
va - 查看所有任务  
vm - 查看我的任务  
e - 退出  
→ ''').strip().lower()

        if menu == 'e':
            print("已退出。")
            break
        elif menu in ['r', 'a', 'va', 'vm']:
            print(f"已选择功能:{menu}(此处可扩展具体逻辑)")
        else:
            print("无效选项,请重新输入。")

⚠️ 关键注意事项

  • strip() 不可省略:line.strip() 清除行尾 \n 和首尾空格;parts[1].strip() 确保密码无隐藏空格(如 admin, adm1n 中的空格)。
  • 避免在循环内读取输入:原代码将 input() 放在 for lines in f1: 循环内部,会导致每读一行就要求用户输一次密码,逻辑完全错误。应先完成文件解析,再统一获取一次输入。
  • 增强健壮性:
    • 使用 try/except 处理文件不存在异常;
    • 跳过空行与格式异常行(如缺少逗号);
    • 用 split(",", 1) 防止密码本身含逗号时解析崩溃。
  • 安全性提醒(进阶):纯文本存明文密码仅适用于学习场景。生产环境务必使用 hashlib + bcrypt 加盐哈希存储,并禁用重复用户名。

? 总结

登录验证的本质是精确比对,而文本文件 I/O 的“隐形字符”(空格、换行)是初学者最常见的陷阱。牢记三步:strip() 输入、strip() 文件内容、strip() 分割后字段。在此基础上构建清晰的控制流(先加载 → 再输入 → 后验证 → 最终跳转),即可稳定支撑后续任务管理功能的开发。

以上就是《Python登录验证系统实现教程》的详细内容,更多关于的资料请关注golang学习网公众号!

GolangTimer与Ticker使用技巧解析GolangTimer与Ticker使用技巧解析
上一篇
GolangTimer与Ticker使用技巧解析
Golang文件与网络I/O性能对比分析
下一篇
Golang文件与网络I/O性能对比分析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    393次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    472次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    478次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    421次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    248次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码