最近想使用网易邮箱批量注册几个网站小号,注册时需要获取邮箱收到的注册码,一个一个的点开邮件太麻烦,于是就产生了写这个脚本的想法,中间也遇到一些问题,会在文章中详细的解说。
本文将使用 requests
库来实现需求,当然也可以使用 urllib
、imaplib
、selenium
:
-
urllib
实现过程跟requests
相近; -
imaplib
应用于开启了IMAP/SMTP服务
的场景; -
selenium
多应用于自动化测试中,结合浏览器使用的;
接下来要实现我的小目标,首先先分解下功能:
- 1.实现163邮箱自动登录
- 2.获取邮件列表
- 3.找到收到验证码的邮件(由于某些原因,本文忽略此步)
- 4.抓取邮件详细内容
先提前说一下,实现的过程遇到的一些问题:
- SSL校验问题
- 抓取邮件详细内容时,一直提示登录超时
以上问题都已解决,接下来细说一下实现的过程
一、实现163邮箱自动登录
思路:使用账号密码,获取 sid 和 cookie
登录部分没有什么难点,主要是url找对,就没问题了,代码如下:
import requests
import re
import urllib3
#忽略证书警告
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
class MAIL163:
def __init__(self, username, password):
self.session = requests.Session()
self.username = username
self.password = password
self.sid = None
def login(self):
loginUrl = "https://mail.163.com/entry/cgi/ntesdoor?style=-1&df=mail163_letter&net=&language=-1&from=web&race=&iframe=1&product=mail163&funcid=loginone&passtype=1&allssl=true&url2=https://mail.163.com/errorpage/error163.htm"
headers = {
'Referer': "https://mail.163.com/",
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
postData = {
'savelogin': "0",
'url2': "http://mail.163.com/errorpage/error163.htm",
'username': self.username,
'password': self.password
}
response = self.session.post(loginUrl, headers=headers, data=postData, verify=False)
#提取sid,获取邮件信息需要使用它
pattern = re.compile(r'sid=(.*?)&', re.S)
self.sid = re.search(pattern, response.text).group(1)
二、获取邮件列表
思路:利用登录获取的 sid 和 cookie ,请求数据
获取列表部分,写的时候遇到了点问题,主要是获取mail的各种信息,当时用 charles抓包时,返回的数据是json格式的,但是用requests请求,得到响应结果,进行解析json时,提示格式错误:
Expecting property name enclosed in double quotes: line 1 column 2(char 1)
后来找到了解决办法:使用demjson的包来处理,参照文章,但是最后我还是选择了使用正则匹配(没有原因),代码如下:
def messageList(self):
listUrl = 'https://mail.163.com/js6/s?sid=%s&func=mbox:listMessages' % self.sid
Headers = {
'Accept': "text/javascript",
'Accept-Language': "zh-CN,zh;q=0.9",
'Connection': "keep-alive",
'Host': "mail.163.com",
'Referer': "https://mail.163.com/js6/main.jsp?sid=%s&df=mail163_letter" % self.sid,
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
response = self.session.post(listUrl, headers=Headers, verify=False)
pattern = re.compile(
"id..'(.*?)',.*?from..'(.*?)',.*?to..'(.*?)',.*?subject..'(.*?)',.*?sentDate..(.*?),\n.*?receivedDate..(.*?),.*?hmid..(.*?),\n",
re.S)
mails = re.findall(pattern, response.text)
for mail in mails:
mid = mail[0]
print('-' * 45)
print('mid:', mid)
print('发件人:', mail[1], '主题:', mail[3], '发送时间:', mail[4])
print('收件人:', mail[2], u'接收时间:', mail[5])
三、抓取邮件详细内容
思路:利用登录获取的 sid 和 cookie、邮件列表获取的 mid ,来请求数据
这部分是卡住我的关键点,headers改来改去的,始终获取不到邮件内容,查阅了一些文章,说是sid失效的原因,但是我用charles抓包,sid从没有失效过,我猜想应该是哪里少了参数,于是仔细对比charles请求的headers、cookie、表单等一切信息,发现需要在原 cookie中新增sid内容,对应的字段名为‘Coremail.sid’,具体代码如下:
def message(self, mid):
Headers = {
'Accept': "text/javascript",
'Accept-Language': "zh-CN,zh;q=0.9",
'Connection': "keep-alive",
'Host': "mail.163.com",
'Referer': "https://mail.163.com/js6/main.jsp?sid=%s&df=mail163_letter" % self.sid,
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
#cookie加上这个,才能获取邮件详情
cookie = {
'Coremail.sid': self.sid,
}
url = 'https://mail.163.com/js6/read/readhtml.jsp?mid=%s&userType=ud&font=15&color=064977' % mid
requests.utils.add_dict_to_cookiejar(self.session.cookies, cookie)
response = self.session.get(url, headers=Headers, verify=False)
print('邮件详情 =====>')
print(response.text)
四、最后一步:将所有功能串联起来
email_163.py整体的代码如下:
#!/usr/bin/env
# -*- coding:utf-8 -*-
import requests
import re
import json
import urllib3
# 忽略证书警告
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
class MAIL163:
def __init__(self, username, password):
self.session = requests.Session()
self.username = username
self.password = password
self.sid = None
def login(self):
loginUrl = "https://mail.163.com/entry/cgi/ntesdoor?style=-1&df=mail163_letter&net=&language=-1&from=web&race=&iframe=1&product=mail163&funcid=loginone&passtype=1&allssl=true&url2=https://mail.163.com/errorpage/error163.htm"
headers = {
'Referer': "https://mail.163.com/",
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
postData = {
'savelogin': "0",
'url2': "http://mail.163.com/errorpage/error163.htm",
'username': self.username,
'password': self.password
}
response = self.session.post(loginUrl, headers=headers, data=postData, verify=False)
#提取sid,获取邮件信息需要使用它
pattern = re.compile(r'sid=(.*?)&', re.S)
self.sid = re.search(pattern, response.text).group(1)
# 通过sid码获得邮箱收件箱信息
def messageList(self):
listUrl = 'https://mail.163.com/js6/s?sid=%s&func=mbox:listMessages' % self.sid
# 新的请求头
Headers = {
'Accept': "text/javascript",
'Accept-Language': "zh-CN,zh;q=0.9",
'Connection': "keep-alive",
'Host': "mail.163.com",
'Referer': "https://mail.163.com/js6/main.jsp?sid=%s&df=mail163_letter" % self.sid,
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
response = self.session.post(listUrl, headers=Headers, verify=False)
pattern = re.compile(
"id..'(.*?)',.*?from..'(.*?)',.*?to..'(.*?)',.*?subject..'(.*?)',.*?sentDate..(.*?),\n.*?receivedDate..(.*?),.*?hmid..(.*?),\n",
re.S)
mails = re.findall(pattern, response.text)
for mail in mails:
mid = mail[0]
print('-' * 45)
print('id:', mid)
print('发件人:', mail[1], '主题:', mail[3], '发送时间:', mail[4])
print('收件人:', mail[2], u'接收时间:', mail[5])
self.message(mid)
def message(self, mid):
Headers = {
'Accept': "text/javascript",
'Accept-Language': "zh-CN,zh;q=0.9",
'Connection': "keep-alive",
'Host': "mail.163.com",
'Referer': "https://mail.163.com/js6/main.jsp?sid=%s&df=mail163_letter" % self.sid,
'User-Agent': "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.1.2 Safari/605.1.15"
}
#cookie加上这个,才能获取邮件详情
cookie = {
'Coremail.sid': self.sid,
}
url = 'https://mail.163.com/js6/read/readhtml.jsp?mid=%s&userType=ud&font=15&color=064977' % mid
requests.utils.add_dict_to_cookiejar(self.session.cookies, cookie)
response = self.session.get(url, headers=Headers, verify=False)
print('邮件详情 =====>')
print(response.text)
if __name__ == "__main__":
mail = MAIL163('*****@163.com', '****')
mail.login()
mail.messageList()
参考文章:
- 详细总结)python爬取 163收件箱邮件内容,收件箱列表的几种方法(urllib, requests, selenium)
- [Python解析json之ValueError: Expecting property name enclosed in double quotes: line 1 column 2(char 1)]
- https://github.com/WYL-BruceLong/parse_attach