python爬虫：两种方法模拟登录博客园

Posted 2020-09-22

第一方法用第三方库（requests）：参考http://www.mamicode.com/info-detail-1839685.html

源代码分析

博客园的登录页面非常简单，查看网页源代码，可以发现两个输入框的id分别为input1、input2，复选框的id为remember_me，登录按钮的id为signin。

还有一段JavaScript代码，下面来简单分析一下。

先来看$(function(){});函数：

1 $(function () {
2     $(‘#signin‘).bind(‘click‘, function () {
3         signin_go();
4     }).val(‘登 录‘);
5 });

$(function(){});是$(document).ready(function(){})的简写。当页面加载完成之后，$(function(){})里的代码就会被执行。

$(‘#signin‘)表示选取id为signin的元素，即登录按钮。

bind()方法为被选元素添加一个或多个事件处理程序，并规定事件发生时运行的函数。

val()方法返回或设置被选元素的值。

当点击登录按钮时，将执行signnin_go()函数。

 

JSEncrypt是一个用于RSA加密的库。在signnin_go()函数中，通过JSEncrypt对用户名和密码进行了加密，setPublicKey()函数里面就是加密的公钥。

$(‘#remember_me‘).prop(‘checked‘)返回复选框的状态，勾选时返回true，否则返回false。

两段加密后的密文和复选框的状态被保存在一个名为ajax_data的对象里。代码如下：

1 var encrypt = new JSEncrypt();
2 encrypt.setPublicKey(‘MIGfMA0GCSqGSIb3DQEBAQUAA4GNADCBiQKBgQCp0wHYbg/NOPO3nzMD3dndwS0MccuMeXCHgVlGOoYyFwLdS24Im2e7YyhB0wrUsyYf0/nhzCzBK8ZC9eCWqd0aHbdgOQT6CuFQBMjbyGYvlVYU2ZP7kG9Ft6YV6oc9ambuO7nPZh+bvXH0zDKfi02prknrScAKC0XhadTHT3Al0QIDAQAB‘);
3 var encrypted_input1 = encrypt.encrypt($(‘#input1‘).val());
4 var encrypted_input2 = encrypt.encrypt($(‘#input2‘).val());
5 var ajax_data = {
6     input1: encrypted_input1,
7     input2: encrypted_input2,
8     remember: $(‘#remember_me‘).prop(‘checked‘)
9 };

 

然后就是最主要的$.ajax({})函数了，ajax()方法通过HTTP请求加载远程数据，在不刷新页面的情况下与服务器交换数据，返回其创建的 XMLHttpRequest 对象。详情请参考jQuery ajax - ajax() 方法

 1 $.ajax({
 2     url: ajax_url,
 3     type: ‘post‘,
 4     data: JSON.stringify(ajax_data),
 5     contentType: ‘application/json; charset=utf-8‘,
 6     dataType: ‘json‘,
 7     headers: {‘VerificationToken‘: ‘。。。省略，此处是一大串字符。。。‘},
 8     success: function (data) {
 9         if (data.success) {
10             $(‘#tip_btn‘).html(‘登录成功，正在重定向...‘);
11             location.href = return_url;
12         } else {}
13     },
14     error: function (xhr) {}
15 });

上面的代码中做了一些省略。需要特别注意的是headers属性，刷新之后，VerificationToken的值将会改变，所以在模拟登录时，必须先获取这一段字符串。登录成功后，页面将进行跳转。

 

抓包分析

这是登录时的POST请求，其中有3个参数要特别注意：

VerificationToken就是上文中提到的一段变化的字符串。

Ajax异步请求比传统的同步请求多了一个头参数，即X-Requested-With。

Content-Type用于定义网络文件的类型和网页的编码，决定浏览器将以什么形式、什么编码读取这个文件，这就是经常看到一些Asp网页点击的结果却是下载到的一个文件或一张图片的原因。在这里返回的是json格式的数据。当输入错误的用户名和密码时，将得到下面的json数据：

正确的用户名和密码将得到{"success":true}

 1 import requests
 2 import json
 3 login_url="https://passport.cnblogs.com/user/signin"
 4 return_url="https://home.cnblogs.com/u/xxx/"#我的主页
 5 session=requests.session()
 6 #获取VerificationToken
 7 login_page=session.get(login_url)
 8 p=login_page.text.find(‘VerificationToken‘)+len(‘VerificationToken‘)+4
 9 token=login_page.text[p:login_page.text.find("‘",p)]
10 print(token)
11 headers={
12     ‘Content-Type‘: ‘application/json;charset=UTF-8‘,
13     ‘X-Requested-With‘: ‘XMLHttpRequest‘,
14     ‘VerificationToken‘:token
15        }
16 session.headers.update(headers)
17 #可以通过抓包获取加密后的用户名和密码，我将在附录部分介绍如何在Python中加密
18 data={
19     ‘input1‘: "加密的用户名",
20     ‘input2‘: "加密的密码",
21     ‘remember‘:True
22     }
23 
24 #模拟登录
25 response=session.post(login_url,data=json.dumps(data))
26 print(response.text)
27  #{"success":true}
28  #登录成功
29 
30 #跳转到主页
31 home_page=session.get(return_url)
32  #获取主页标题
33 p=home_page.text.find(‘<title>‘)+len(‘<title>‘)
34 title=home_page.text[p:home_page.text.find(‘</title>‘,p)]
35 print(title)
36 #xxx的主页 - 博客园
37 #如果登录失败，跳转到主页时返回的结果没有title标签，home_page.text将为‘需要登陆‘

 

第二种方法：用自带的库（urllib.request）

 1 #-*- coding:utf-8 -*-
 2 __author__ = ‘Administrator‘
 3 
 4 #coding:utf-8
 5 import re
 6 from bs4 import BeautifulSoup
 7 import urllib.request
 8 import urllib.parse
 9 import http.cookiejar
10 import requests
11 
12 
13 def get_opener():
14     cj=http.cookiejar.CookieJar()
15     pro=urllib.request.HTTPCookieProcessor(cj)
16     opener=urllib.request.build_opener(pro)
17     return opener
18 
19 if __name__=="__main__":
20     opener=get_opener()
21     login_url="https://passport.cnblogs.com/user/signin"
22     return_url="https://home.cnblogs.com/u/xxx/"#我的主页
23   
24     #获取VerificationToken
25     login_page=opener.open(login_url).read().decode(‘utf-8‘)
26     soup=BeautifulSoup(login_page,"html.parser")
27     script=soup.find_all(‘script‘)
28     scripttext=script[2].string.strip()
29     p=re.findall(‘\\‘VerificationToken\\‘: \\‘.*?\\‘‘,scripttext)[0]
30     start=len(‘VerificationToken‘)+5
31     token=p[start:-1]
32 
33     headers={
34     ‘Content-Type‘: ‘application/json;charset=UTF-8‘,
35     ‘X-Requested-With‘: ‘XMLHttpRequest‘,
36     ‘VerificationToken‘:token
37        }
38 
39     #可以通过抓包获取加密后的用户名和密码
40     data={
41     ‘input1‘: "加密的用户名",
42     ‘input2‘: "加密的密码",
43     ‘remember‘:True
44     }
45     heads=[]
46     for key,value in headers.items():
47         heads.append((key,value))
48     login_data=urllib.parse.urlencode(data).encode(‘utf-8‘)
49     opener.addheaders=heads
50     Req=urllib.request.Request(login_url,data=login_data)
51     response= opener.open(Req)
52     print(response.read().decode(‘utf-8‘))
53     #{"success":true}
54     #登录成功
55 
56    #跳转到主页
57     home_page=opener.open(return_url)
58     #获取主页标题
59     soup=BeautifulSoup(home_page.read().decode(‘utf-8‘),"html.parser")
60     p=soup.find(‘title‘)
61     print(p.text)
62     #xxx的主页 - 博客园
63     #如果登录失败，跳转到主页时返回的结果没有title标签，则‘需要登陆‘