Python模拟新浪微博登录
本文转自：http://www.jb51.net/article/44779.htm
1、主函数（WeiboLogin.py）
import urllib2
import cookielib
import WeiboEncode
import WeiboSearch
if __name__ == '__main__':
weibologin = WeiboLogin('xxxxxxx', 'xxxxxx')#用户名、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(WeiboLogin.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(v1.4.18)&_=1407721000736"
self.loginUrl = "http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.18)"
self.postHeader = {'User-Agent': 'Mozilla/5.0 (X11; Linux i686; rv:24.0) Gecko/20140611 Firefox/24.0 Iceweasel/24.6.0'}
初 始化用户名，密码，serverUrl用于第一步获取servertime,nonce等。loginUrl用于第二步，加密后的用户名和密码POST给 这个URL。关于这些步骤是怎么知道的？其实这些数据的传输都可以监视到。像我用的firefox中有一个Httpfox插件就有这个功能。
3、类内的函数还有：
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 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。关于代理IP的方法，我试过会出现登录次数过多的错误。然后是登陆的第一 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://122.96.59.107:843'})#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
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
4、sSearch函数（WeiboSearch.py）:
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。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
5、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
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
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，这些可以通过Httpfox插件查看。关于用户名和密码的加密，原来是SHA1，现在是RSA。
到这里，模拟登录就成功了。输出如下：
loginUrl: http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&ssosavestate=1390390056&ticket=ST-MzQ4NzQ5NTYyMA==-1387798056-xd-284624BFC19FE242BBAE2C39FB3A8CA8&retcode=0 登录成功
其实登录是否成功只要看返回的url最后的retcode是不是=0。0表示登录成功，4049表示需要验证码，可以通过修改帐号的设置添加不需要登录验证的地区。4040表示登录次数过多。
接下来只需要在main函数内添加需要爬取的模块，比如：
htmlContent = urllib2.urlopen(myurl).read()#得到myurl网页的所有内容(html)