python爬虫：两种方法模拟登录博客园

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}

import requests
import json
login_url="https://passport.cnblogs.com/user/signin"
return_url="https://home.cnblogs.com/u/xxx/"#我的主页
session=requests.session()
#获取VerificationToken
login_page=session.get(login_url)
p=login_page.text.find('VerificationToken')+len('VerificationToken')+4
token=login_page.text[p:login_page.text.find("'",p)]
print(token)
headers={
    'Content-Type': 'application/json;charset=UTF-8',
    'X-Requested-With': 'XMLHttpRequest',
    'VerificationToken':token
       }
session.headers.update(headers)
#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
data={
    'input1': "加密的用户名",
    'input2': "加密的密码",
    'remember':True
    }

#模拟登录
response=session.post(login_url,data=json.dumps(data))
print(response.text)
 #{"success":true}
 #登录成功

#跳转到主页
home_page=session.get(return_url)
 #获取主页标题
p=home_page.text.find('<title>')+len('<title>')
title=home_page.text[p:home_page.text.find('</title>',p)]
print(title)
#xxx的主页 - 博客园
#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）

#-*- coding:utf-8 -*-
__author__ = 'Administrator'

#coding:utf-8
import re
from bs4 import BeautifulSoup
import urllib.request
import urllib.parse
import http.cookiejar
import requests


def get_opener():
    cj=http.cookiejar.CookieJar()
    pro=urllib.request.HTTPCookieProcessor(cj)
    opener=urllib.request.build_opener(pro)
    return opener

if __name__=="__main__":
    opener=get_opener()
    login_url="https://passport.cnblogs.com/user/signin"
    return_url="https://home.cnblogs.com/u/xxx/"#我的主页
  
    #获取VerificationToken
    login_page=opener.open(login_url).read().decode('utf-8')
    soup=BeautifulSoup(login_page,"html.parser")
    script=soup.find_all('script')
    scripttext=script[2].string.strip()
    p=re.findall('\'VerificationToken\': \'.*?\'',scripttext)[0]
    start=len('VerificationToken')+5
    token=p[start:-1]

    headers={
    'Content-Type': 'application/json;charset=UTF-8',
    'X-Requested-With': 'XMLHttpRequest',
    'VerificationToken':token
       }

    #可以通过抓包获取加密后的用户名和密码
    data={
    'input1': "加密的用户名",
    'input2': "加密的密码",
    'remember':True
    }
    heads=[]
    for key,value in headers.items():
        heads.append((key,value))
    login_data=urllib.parse.urlencode(data).encode('utf-8')
    opener.addheaders=heads
    Req=urllib.request.Request(login_url,data=login_data)
    response= opener.open(Req)
    print(response.read().decode('utf-8'))
    #{"success":true}
    #登录成功

   #跳转到主页
    home_page=opener.open(return_url)
    #获取主页标题
    soup=BeautifulSoup(home_page.read().decode('utf-8'),"html.parser")
    p=soup.find('title')
    print(p.text)
    #xxx的主页 - 博客园
    #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‘