Python模拟登陆新浪微博

上篇介绍了新浪微博的登陆过程，这节使用Python编写一个模拟登陆的程序。讲解与程序如下：

1、主函数（WeiboMain.py）：

import urllib2

import cookielib



import WeiboEncode

import WeiboSearch



if __name__ == '__main__':

    weiboLogin = WeiboLogin('×××@gmail.com', '××××')#邮箱（账号）、密码

    if weiboLogin.Login() == True:

        print "登陆成功！"

前两个import是加载Python的网络编程模块，后面的import是加载另两个文件WeiboEncode.py和Weiboseach.py（稍后介绍）。主函数新建登陆对象，然后登陆。

2、WeiboLogin类（WeiboMain.py）：

class WeiboLogin:

    def __init__(self, user, pwd, enableProxy = False):

        "初始化WeiboLogin，enableProxy表示是否使用代理服务器，默认关闭"



        print "Initializing WeiboLogin..."

        self.userName = user

        self.passWord = pwd

        self.enableProxy = enableProxy

        

        self.serverUrl = "http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=&rsakt=mod&client=ssologin.js(v1.4.11)&_=1379834957683"

        self.loginUrl = "http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.11)"

        self.postHeader = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; rv:24.0) Gecko/20100101 Firefox/24.0'}

初始化函数，定义了两个关键的url成员：self.serverUrl用于登陆的第一步（获取servertime、nonce等），这里的第一步实质包含了解析新浪微博的登录过程的1和2；self.loginUrl用于第二步（加密用户和密码后，POST给该URL，self.postHeader是POST的头信息），这一步对应于解析新浪微博的登录过程的3。类内函数还有3个：

def Login(self):

        "登陆程序"  

        self.EnableCookie(self.enableProxy)#cookie或代理服务器配置

        

        serverTime, nonce, pubkey, rsakv = self.GetServerTime()#登陆的第一步

        postData = WeiboEncode.PostEncode(self.userName, self.passWord, serverTime, nonce, pubkey, rsakv)#加密用户和密码

        print "Post data length:\n", len(postData)



        req = urllib2.Request(self.loginUrl, postData, self.postHeader)

        print "Posting request..."

        result = urllib2.urlopen(req)#登陆的第二步——解析新浪微博的登录过程中3

        text = result.read()

        try:

            loginUrl = WeiboSearch.sRedirectData(text)#解析重定位结果

              urllib2.urlopen(loginUrl)

        except:

            print 'Login error!'

            return False

            

        print 'Login sucess!'

        return True

self.EnableCookie用于设置cookie及代理服务器，网络上有很多免费的代理服务器，为防止新浪封IP，可以使用。然后使登陆的第一步，访问新浪服务器得到serverTime等信息，然后利用这些信息加密用户名和密码，构建POST请求；执行第二步，向self.loginUrl发送用户和密码，得到重定位信息后，解析得到最终跳转到的URL，打开该URL后，服务器自动将用户登陆信息写入cookie，登陆成功。

def EnableCookie(self, enableProxy):

    "Enable cookie & proxy (if needed)."

    

    cookiejar = cookielib.LWPCookieJar()#建立cookie

    cookie_support = urllib2.HTTPCookieProcessor(cookiejar)



    if enableProxy:

        proxy_support = urllib2.ProxyHandler({'http':'http://xxxxx.pac'})#使用代理

         opener = urllib2.build_opener(proxy_support, cookie_support, urllib2.HTTPHandler)

        print "Proxy enabled"

    else:

        opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)



    urllib2.install_opener(opener)#构建cookie对应的opener

EnableCookie函数比较简单，可以参见cookie——小甜品。

def GetServerTime(self):

    "Get server time and nonce, which are used to encode the password"

    

    print "Getting server time and nonce..."

    serverData = urllib2.urlopen(self.serverUrl).read()#得到网页内容

     print serverData



    try:

        serverTime, nonce, pubkey, rsakv = WeiboSearch.sServerData(serverData)#解析得到serverTime，nonce等

         return serverTime, nonce, pubkey, rsakv

    except:

        print 'Get server time & nonce error!'

        return None

WeiboSearch文件中的函数主要用于解析从服务器得到的数据，比较简单。

3、sServerData函数（WeiboSearch.py）:

import re

import json



def sServerData(serverData):

    "Search the server time & nonce from server data"

    

    p = re.compile('\((.*)\)')

    jsonData = p.search(serverData).group(1)

    data = json.loads(jsonData)

    serverTime = str(data['servertime'])

    nonce = data['nonce']

    pubkey = data['pubkey']#

    rsakv = data['rsakv']#

    print "Server time is:", serverTime

    print "Nonce is:", nonce

    return serverTime, nonce, pubkey, rsakv

解析过程主要使用了正则表达式和JSON，这部分比较容易理解。另外Login中解析重定位结果部分函数也在这个文件中如下：

def sRedirectData(text):

    p = re.compile('location\.replace\([\'"](.*?)[\'"]\)')

    loginUrl = p.search(text).group(1)

    print 'loginUrl:',loginUrl

    return loginUrl

4、从第一步到第二步要对用户和密码进行加密，编码操作（WeiboEncode.py）

import urllib

import base64

import rsa

import binascii



def PostEncode(userName, passWord, serverTime, nonce, pubkey, rsakv):

    "Used to generate POST data"

        

    encodedUserName = GetUserName(userName)#用户名使用base64加密

     encodedPassWord = get_pwd(passWord, serverTime, nonce, pubkey)#目前密码采用rsa加密

     postPara = {

        'entry': 'weibo',

        'gateway': '1',

        'from': '',

        'savestate': '7',

        'userticket': '1',

        'ssosimplelogin': '1',

        'vsnf': '1',

        'vsnval': '',

        'su': encodedUserName,

        'service': 'miniblog',

        'servertime': serverTime,

        'nonce': nonce,

        'pwencode': 'rsa2',

        'sp': encodedPassWord,

        'encoding': 'UTF-8',

        'prelt': '115',

        'rsakv': rsakv,     

        'url': 'http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',

        'returntype': 'META'

    }

    postData = urllib.urlencode(postPara)#网络编码

    return postData

PostEncode函数构建POST的消息体，要求构建得到内容与真正登陆所需的信息相同。难点在用户名和密码的加密方式：

def GetUserName(userName):

    "Used to encode user name"

    

    userNameTemp = urllib.quote(userName)

    userNameEncoded = base64.encodestring(userNameTemp)[:-1]

    return userNameEncoded





def get_pwd(password, servertime, nonce, pubkey):

    rsaPublickey = int(pubkey, 16)

    key = rsa.PublicKey(rsaPublickey, 65537) #创建公钥

    message = str(servertime) + '\t' + str(nonce) + '\n' + str(password) #拼接明文js加密文件中得到

    passwd = rsa.encrypt(message, key) #加密

    passwd = binascii.b2a_hex(passwd) #将加密信息转换为16进制。

    return passwd

新浪登录过程，密码的加密方式原来是SHA1，现在变为了RSA，以后可能还会变化，但是各种加密算法在Python中都有对应的实现，只要发现它的加密方式（），程序比较易于实现。

到这里，Python模拟登陆新浪微博就成功了，运行输出：

loginUrl: http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&ssosavestate=1390390056&ticket=ST-MzQ4NzQ5NTYyMA==-1387798056-xd-284624BFC19FE242BBAE2C39FB3A8CA8&retcode=0

Login sucess!

如果需要爬取微博中的信息，接下来只需要在Main函数后添加爬取、解析模块就可以了，比如读取某微博网页的内容：

htmlContent = urllib2.urlopen(myurl).read()#得到myurl网页的所有内容(html)

大家可以根据不同的需求设计不同的爬虫模块了，模拟登陆的代码放在这里。