经常在上写作，写完后再发布到其他网站，非常麻烦，所以准备搞一下自动发布文章的工具。那么第一步先要模拟登陆几个网站。今天先从知乎开始。
环境准备
Python：python3.6
IDE：pycharm
抓包工具：Charles
系统环境：Mac
浏览器：Chrome
抓包
首先进行网站登录抓包，打开Chrome浏览器无痕窗口，然后清空所有缓存，打开Charles，在Chrome浏览器地址栏输入www.zhihu.com，打开知乎登录界面
我是手机号登录，邮箱没有试过，不知道请求流程是否一样，输入账号密码，如果需要验证码的话会自动出现验证码输入框，登录成功后
一般情况下我们可以输错一次密码或者验证码，来多看看请求流程。另外我用chrome浏览器抓取了好几次登录流程，发现都不一样。所以最后就是综合了一下几次抓包的信息进行分析了。
登录分析
找到登录请求
登录请求一般是POST，这个很少有例外，有些网站一般会是第一个post请求，可是知乎的post请求有点颇多，这个请求中有username和password，那我们就以这里为基准开始分析。看一下红框中出现了两个Authentication和Multipart，在其他的登录网站中我还没碰到过这种情况，这个Multipart好像之前的Form，Authentication应该是一种认证。
先搜了一下这个Authentication信息
看到是在main.app.xxxxx.js脚本中，打开脚本看一下，基本上是固定值，其实通过多次请求可以发现这个值是固定的。同时我们可以确定其他的一些固定参数。看过我之前文章的同学应该知道，确定参数最简单的方式就是多次请求观察，很容易就能确定固定值。
通过观察只有signature参数比较麻烦，timestamp是时间戳，captcha是我们输入的验证码，那么搞定这个参数我们就离成功很近了，为什么是很近而不是成功？这个我们得记住，一般在分析请求的时候参数只是一部分，我们要关注headers、cookies、提交参数。首先参数我们确认了只需要分析signature。那么再来看看headers
这里有两种抓包情况，针对这种情况要单独分析，我们接下来再分析。
然后再说说cookies，有时候我们并不需要一开始就分析cookies，而且不是cookies中的每一项都是必须的。我们先把cookies信息截取出来。后面再分析
signature
这里我们先分析提交参数signature。首先在charles中查询参数值
没搜到，这种一般都是通过计算生成的，搜不到很正常。既然搜不到值，那我们来搜一下参数名。
看一下搜索结果，main.app.xxxx.js中的比较像
其他的参数也出现在这里，那基本就是这个地方了。仔细观察一下，SHA-1、setHMACKey、几个update、getHMAC，第一反应是sha1加密，通过固定字符串+grantType+clientId+com.zhihu.web+时间戳进行加密，结果试了一下好像不是。度娘了一下HMAC / sha1，原来还有这种操作，OK这个参数搞定了，贴下代码。
captcha
在抓包请求中我们可以看到，验证码请求应该是https://www.zhihu.com/api/v3/oauth/captcha?lang=en，在有些抓包结果中后面的lang=cn，不知道这俩是怎么区分的。
我们看到这个请求有三种访问方式，GET、PUT、POST，分别看一下结果。
GET请求访问结果会显示是否需要输入验证码。
PUT请求的返回值是图片的base64加密数据。得到base64数据后转换为图片显示即可
import base64
imgdata = base64.b64decode(result.get("img_base64"))
with open("cap.png", "wb") as fp:
fp.write(imgdata)
POST请求会返回验证码验证结果。
通过图15的截图（当然POST返回错误是我故意输错验证码的结果）我们知道验证码并不是在登录请求的时候才进行验证的，需要提前验证。
headers
authorization的值和client_id值相等，那就都是固定值，不用管了。X-Xsrftoken：先搜一下这个值
在上面的请求response中设置的cookies值，那我们直接从cookies中拿出_xsrf值，设置到headers中即可
X-UDID：跟X-Xsrftoken一样，也是在cookies中设置的
拆分一下即可
既然我们需要取cookies中的_xsrf和d_c0的值，那么就得保证cookies中必须有这个值，稍微往上翻一下可以看到Set Cookie在最初访问www.zhihu.com中设置的
那么访问一下首页就可以了。分析到这里就差不多了。接下来就是发送请求了。
multipart/form-data
这种表单也没提交过，有点懵逼。但是看起来跟这个Content-Type: multipart/form-data有关系，请求发送类型。搜一下requests multipart，找到一个请求库requests_toolbelt，使用方式如下：
from requests_toolbelt import MultipartEncoder
data = {
"client_id":"xxxx",
"grant_type":"password"
}
boundary = "----WebKitFormBoundaryJKBWBR54EIz5oTAY"
encode_data = MultipartEncoder(data, boundary=boundary)
headers["Content-Type"] = encode_data.content_type
requests.post(url, data=encode_data.to_string())
这里有个boundary需要关注一下，首先几次请求的boundary信息不一样，那肯定是不一样的，所以我大概搜了一下boundary这个值，没发现这个值。度娘了一下WebKitFormBoundary，好像说这个boundary其实不发送也没什么关系。主要是我刚开始写的时候这个boundary默认是空的，结果竟然登录成功了。我觉得既然值是随意的，那么有总归比没有好点吧，防止被ban码。WebKitFormBoundary后面那16位大概是大小写字母和数字随机吧。那我就伪造了一下。
def random_boundary():
factor = "ABCDEFGHIGKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789"
boundary = "----WebKitFormBoundary{}".format("".join(random.choices(factor, k=16)))
return boundary
好啦，这回算是全都搞定了，最后要验证一下登录是否成功，访问一下个人中心即可：https://www.zhihu.com/people/wan-rou-2
最后我们总结一下登录过程：
- 访问https://www.zhihu.com
- 访问验证码链接，进行验证
def get_captcha(self):
captcha = ""
url = "https://www.zhihu.com/api/v3/oauth/captcha?lang=en"
# 请求头中增加Authorization
self.session.headers["Authorization"] = "oauth c3cef7c66a1843f8b3a9e6a1e3160e20"
r = self.session.get(url)
result = r.json()
if not result.get("show_captcha"):
# 不需要输入验证码
return ""
else:
while True:
# 获取验证码图片base64
r = self.session.put(url)
result = r.json()
imgdata = base64.b64decode(result.get("img_base64"))
with open("cap.png", "wb") as fp:
fp.write(imgdata)
im = Image.open("cap.png")
im.show()
captcha = input("输入验证码>>")
#验证码
boundary = self.random_boundary()
cap_data = MultipartEncoder(fields={"input_text":captcha}, boundary=boundary)
self.session.headers["Content-Type"] = cap_data.content_type
# 发送验证码进行验证
r = self.session.post(url, data=cap_data.to_string())
result = r.json()
if not result.get("error", None):
print("验证码正确")
break
else:
# 验证码不正确，重新请求
print(result.get("error").get("message"))
return captcha
- 发送登录请求
- 访问个人中心
如果你觉得我的文章还可以，可以关注我的微信公众号：Python爬虫实战之路
也可以扫描下面二维码，添加我的微信号
