欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python模拟新浪微博登陆功能(新浪微博爬虫)

程序员文章站 2023-08-28 09:48:22
1、主函数(weibomain.py): 复制代码 代码如下:import urllib2import cookielib import weiboencodeimpo...

1、主函数(weibomain.py):

复制代码 代码如下:

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):

复制代码 代码如下:

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:

复制代码 代码如下:

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。

复制代码 代码如下:

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

复制代码 代码如下:

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):

复制代码 代码如下:

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:

复制代码 代码如下:

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)

复制代码 代码如下:

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:

复制代码 代码如下:

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:

复制代码 代码如下:

loginurl: http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinassocontroller.feedbackurlcallback&ssosavestate=1390390056&ticket=st-mzq4nzq5ntyyma==-1387798056-xd-284624bfc19fe242bbae2c39fb3a8ca8&retcode=0
login sucess!

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:

复制代码 代码如下:

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。