Python模拟登陆练习——imooc.com登陆

Posted 2020-08-30

写下这篇文章的时候，是博主学习python的第三天（ 也许是第四天:( ）,python是博主接触的第二门解释型语言（第一门是javascript）。

讲真在很久之前就想要用博客记录自己的学习历程了，然而就像写日记一样，写着写着就放弃了-。-

so今天决定给自己一个好的开端~

博主的学习方式是直奔目的，遇到问题百度各种博客，网站，百度找不到google找，就这样。这种学习方式是真的见效快，但显而易见，基础会比较薄弱。

因此学习python的基本语法，就直奔爬虫了！

-----------------------------------以上是一段大前言---------------------------------------------

今天博主要把三天学习spider的过程，经验分享出来，希望能给一些新手们指点一下道路，也给自己的python生涯刻一道痕迹。

博主愚以为，模拟登陆网站无非有两种方式：

1. 一是手动收取cookie。

   在浏览器登陆网站并完成登录后，然后打开开发者工具，随便访问某页面，根据实际情况找一条request，把cookie复制下来。

2. 二是python收取cookie。

   这也是本篇文章详细阐述的。见下。

现在让博主以imooc.com为例讲解一下网站的模拟登陆

 开始

博主习惯用urllib2+cookielib的方式写爬虫，所以代码的一开始是这样的：

#coding=utf8
import sys
reload(sys)
sys.setdefaultencoding(‘utf8‘)
import urllib2
import urllib
import cookielib
#以上是套路
#以下创建一个cookiejar管理cookie，同时创建opener并安装到urllib2中
cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)
opener.addheaders=[(‘user-agent‘,‘Mozilla/5.0‘)]

 

opener.addheaders可以以list的形式添加header，非常方便

 然后

cookie是一种服务器记录用户信息的小文件，尽管有时候会侵犯大家的隐私，但是在存储用户的登录信息实现自动登陆的方式还是很方便的。

它的工作流程是这样的：

1. 首先服务器会在第一次访问网站时向浏览器返回一个response，其中会有几条set-cookie的信息，于是浏览器默默帮你把它记录到cookie中去
2. 当你点击登陆，输入用户名、密码等必要信息后，浏览器会将你的信息连同以上cookies中的某些一并post给服务器
3. 登陆成功后浏览器又收到服务器的悄悄话——得到几条重要cookie并保存下来
4. 如果此时你没关闭浏览器，在访问该网站其他页面时，浏览器会把某些cookie发送给服务器，这时候你发现你已经自动登录了
5. 如果登陆时你选择了“自动登录”“7天内自动登陆”诸如此类checkbox，浏览器还会得到一些长久的cookie（十天半个月的）以便你明天登陆，后天登陆。。。。

了解cookie的工作原理后，我们访问一下主页，把cookie搞下来

博主是这样写的：

#先写下几条url
url_login = ‘http://www.imooc.com/passport/user/login‘
url_index = ‘http://www.imooc.com‘
url_test = ‘http://www.imooc.com/user/setbindsns‘
data = {
    ‘username‘:‘*********‘,
    ‘password‘:‘*******‘,
    ‘verify‘:‘‘,
    ‘remember‘:‘1‘,
    ‘pwencode‘:‘0‘,
    ‘referer‘:‘http://www.imooc.com‘
}
data_encoded = urllib.urlencode(data)

#get主页获取cookie
req_index = urllib2.Request(url_index)
res_index = opener.open(req_index)

我们可以打印下cookie看看：

print cj._cookies

 

 {‘www.imooc.com‘: {‘/‘: {‘PHPSESSID‘: Cookie(version=0, name=‘PHPSESSID‘, value=‘3q1c66hds4h054f19ciqb4rtg2‘, port=None, port_specified=False, domain=‘www.imooc.com‘, domain_specified=False, domain_initial_dot=False, path=‘/‘, path_specified=True, secure=False, expires=None, discard=True, comment=None, comment_url=None, rest={}, rfc2109=False)}}, ‘.imooc.com‘: {‘/‘: {‘imooc_isnew_ct‘: Cookie(version=0, name=‘imooc_isnew_ct‘, value=‘1486280759‘, port=None, port_specified=False, domain=‘.imooc.com‘, domain_specified=True, domain_initial_dot=True, path=‘/‘, path_specified=True, secure=False, expires=1517816759, discard=False, comment=None, comment_url=None, rest={}, rfc2109=False), ‘cvde‘: Cookie(version=0, name=‘cvde‘, value=‘5896d8376631d-1‘, port=None, port_specified=False, domain=‘.imooc.com‘, domain_specified=True, domain_initial_dot=True, path=‘/‘, path_specified=True, secure=False, expires=None, discard=True, comment=None, comment_url=None, rest={}, rfc2109=False), ‘imooc_isnew‘: Cookie(version=0, name=‘imooc_isnew‘, value=‘1‘, port=None, port_specified=False, domain=‘.imooc.com‘, domain_specified=True, domain_initial_dot=True, path=‘/‘, path_specified=True, secure=False, expires=1517816759, discard=False, comment=None, comment_url=None, rest={}, rfc2109=False), ‘imooc_uuid‘: Cookie(version=0, name=‘imooc_uuid‘, value=‘d6a73549-4d53-47b6-90bc-28888d3438b8‘, port=None, port_specified=False, domain=‘.imooc.com‘, domain_specified=True, domain_initial_dot=True, path=‘/‘, path_specified=True, secure=False, expires=1517816759, discard=False, comment=None, comment_url=None, rest={}, rfc2109=False)}}}

这是什么，我不知道。Let it go.

然后

那我们带着cookie去登陆吧！不知道带哪一条？全带走！

req_login = urllib2.Request(url_login,data_encoded)
res_login = opener.open(req_login)

 

我们试着把结果打印在html上：

imooc = open(‘e:/imooc.html‘,‘w‘)
imooc.write(res_login.read())
imooc.close()

 当我们打开： 

 这TM好像不是个html，通常情况下他会返回一个html，然而这串符号难住了学了3天python的小白。

注意到一条信息： “msg” : "\\u6210\\u529f"显然是unicode格式的字符串，简单转化后，他的意思是 ：“成功” 

博主窃喜。既然成功了，那么有效信息一定存在于这串符号中。 

到此，正确的思路是，拿着这2条url，uid用开发者工具继续搜索相关信息。

。。

然而博主走了一条小弯路。

逆向分析大法

博主决定把登陆之后的cookies复制下来，逐条测试登陆需要的cookie

很简单，一条一条的删，看什么时候能登陆就好了。。。

。。。。

经过筛选，博主找到2条我们需要的cookie：loginstate、apsid。

于是博主决定在近百条cookie中找一下apsid这条信息

。。。

找到了！

 

而访问的url就是我们得到的2条之一！只是带了几个参数

实践证明这2条随便选一条get一下就得到我们需要的cookie了。

窃喜

我们需要3个参数：token（url已经附带）、callback、 _(下划线-。-)

经验证 ，callback参数是固定值。

好的，那我们搜索一下下划线的值。

查下cookie，发现它是imooc_isnew_ct的值

到这里基本已经大功告成了~

全部代码：

#coding=utf8
#最后版本
import sys
reload(sys)
sys.setdefaultencoding(‘utf8‘)
import urllib2
import urllib
import cookielib

cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
urllib2.install_opener(opener)
opener.addheaders=[(‘user-agent‘,‘Mozilla/5.0‘)]

url_login = ‘http://www.imooc.com/passport/user/login‘
url_index = ‘http://www.imooc.com‘
url_test = ‘http://www.imooc.com/user/setbindsns‘
data = {
    ‘username‘:‘13153154784‘,
    ‘password‘:‘liuweidong‘,
    ‘verify‘:‘‘,
    ‘remember‘:‘1‘,
    ‘pwencode‘:‘0‘,
    ‘referer‘:‘http://www.imooc.com‘
}
data_encoded = urllib.urlencode(data)


#get主页获取cookie
req_index = urllib2.Request(url_index)
res_index = opener.open(req_index)
print cj._cookies
print

#post登陆页面
req_login = urllib2.Request(url_login,data_encoded)
res_login = opener.open(req_login)
print res_login.read()
res_dict = eval(res_login.read())
url_ssologin = res_dict[‘data‘][‘url‘][0]

print url_ssologin

import re
url_ssologin = re.sub(r‘\\\\/‘,‘/‘,url_ssologin)

print url_ssologin

params = {
    ‘callback‘:‘jQuery19106404770042720387_1486274878204‘,
    ‘_‘: str(cj._cookies[‘.imooc.com‘][‘/‘][‘imooc_isnew_ct‘])[23:33]
}
url_ssologin = url_ssologin+‘&‘+urllib.urlencode(params)

#sso登陆页面
req_sso = urllib2.Request(url_ssologin)
res_sso = opener.open(req_sso)
# print res_sso.read()
# print cj._cookies[‘.imooc.com‘][‘/‘][‘loginstate‘]



req_test = urllib2.Request(url_test)
res_test = opener.open(req_test)
imooc = open(‘c:/users/asus/desktop/imooc.html‘,‘w‘)
imooc.write(res_test.read())
imooc.close()

 

博主其实遇到了好多问题，走了好多弯路，感谢某dalao的无私帮助:)

第一次写博客，欢迎技术交流与指正~