python爬虫:两种方法模拟登录博客园

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python爬虫:两种方法模拟登录博客园相关的知识,希望对你有一定的参考价值。

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:

技术分享

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:

技术分享

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‘

 

以上是关于python爬虫:两种方法模拟登录博客园的主要内容,如果未能解决你的问题,请参考以下文章

在Python中用Request库模拟登录:博客园(简单加密,无验证码)

python简单模拟博客园系统

python模拟登录博客园(附:问题求教)

Python抓拍博客园文章,并存入数据库

Python爬虫入门教程 54-100 博客园等博客网站自动评论器

python模拟博客园登录-基础版