python3模擬登錄知乎

1，前言

  在爬蟲的世界裏，模擬登錄是一項必備的技能，很多網站登錄纔能有瀏覽信息的權限，今天就在python來模擬登錄知乎

2，獲取登錄時post的參數

   在網頁上輸入知乎的url：https://www.zhihu.com/#signin，隨便輸入一個手機號[phone]）和密碼（1234），按f12，然後點擊登錄，在 network就能獲取提交的表單

這裏登錄時需要提交的數據有四個：手機號碼和密碼由我們自己輸入，_xsrf 爲知乎的隱藏隨機碼，captcha_type 爲驗證碼類型

請求的url是：https://www.zhihu.com/login/phone_num，後面會用到

2.1 獲取_xsrf

  在登錄頁面右鍵檢查網頁源碼，就可以在提交表單那裏發現

<input type="hidden" name="_xsrf" value="

37616639663361332d393965632d346634632d396166362d356538383763653738367

">

這個通過一個正則表達式就可以提取出來

text = '<input type="hidden" name="_xsrf" value="37616639663361332d393965632d346634632d396166362d356538383763653738367">'
match_obj = re.match('.*name="_xsrf" value="(.*?)"',text)

    if match_obj:
        print (match_obj.group(1))

其中在提取那裏(.*?)要注意加入問號取消貪婪匹配

方法代碼如下：

def get_xsrf():
    #獲取xsrf code
    response = session.get("https://www.zhihu.com",headers = header)
    match_obj = re.match('.*name="_xsrf" value="(.*?)"',response.text)
    # print(match_obj.group(1))
    if match_obj:
        return (match_obj.group(1))
    return ""

2.2 獲取驗證碼

def get_captcha():
    t = str(int(time.time() * 1000))
    captcha_url = 'https://www.zhihu.com/captcha.gif?r=' + t + "&type=login"
    print(captcha_url)
    response = session.get(captcha_url, headers=header)
    with open('captcha.gif', 'wb') as f:
        f.write(response.content)
        f.close()
    from PIL import Image
    try:
        im = Image.open('captcha.gif')
        im.show()
        im.close()
    except:
        pass

    captcha = input('請輸入驗證碼: ')
    return captcha

這裏的獲取驗證碼需要人工驗證，按照生成的gif輸入即可

 3，創建登錄函數

import requests

import re

session =requests.session()

agent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.91 Safari/537.36"
header = {
    "HOST":"www.zhihu.com",
    "Referer": "https://www.zhizhu.com",
    'User-Agent': agent
}

def zhihu_login(account,password):
    #知乎登錄
    if re.match("^1\d{10}",account):
        print("手機號碼登錄")

	#前面提取的手機號碼登錄請求url
        post_url = "https://www.zhihu.com/login/phone_num"
        post_data = {
            "_xsrf": get_xsrf(),
            "phone_num": account,
            "password": password,
            "captcha":get_captcha()
        }
        response_text = session.post(post_url,data=post_data,headers=header)

這樣結合之前的的get_xsrf，get_captcha方法就能順利登錄知乎了，如何驗證？

4，檢驗登錄是否成功

在未登錄成功時是無法訪問查詢個人私信的網站：https://www.zhihu.com/inbox

在網頁上輸入該網址

可以看到訪問身份信息爲302即臨時跳轉，知乎將我們網址跳轉到登錄界面，即沒有訪問權限，可以通過檢驗response的身份信息來檢驗是否登錄成功，代碼如下

def is_login():
    #通過個人中心頁面返回狀態碼來判斷是否爲登錄狀態
    inbox_url = "https://www.zhihu.com/inbox"
    #allow_redirects使重定向爲false
    response = session.get(inbox_url, headers=header, allow_redirects=False)
    if response.status_code != 200:
        return False
    else:
        return True

這裏注意session的allow_redirects參數， 取消了網頁重定向功能。如果不取消，即使訪問失敗也會重新跳轉到登錄界面，這樣返回的身份信息還是 200

5，完整代碼

import requests
import re

session =requests.session()

agent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.91 Safari/537.36"
header = {
    "HOST":"www.zhihu.com",
    "Referer": "https://www.zhizhu.com",
    'User-Agent': agent
}

def get_xsrf():
    #獲取xsrf code
    response = session.get("https://www.zhihu.com",headers = header)
    # print(response.text)
    # text = '<input type="hidden" name="_xsrf" value="37616639663361332d393965632d346634632d396166362d356538383763653738363637">'
    match_obj = re.match('.*name="_xsrf" value="(.*?)"',response.text)
    # print(match_obj.group(1))
    if match_obj:
        return (match_obj.group(1))
    return ""

def get_captcha():
    import time
    t = str(int(time.time()*1000))
    captcha_url = "https://www.zhihu.com/captcha.gif?r={0}&type=login".format(t)
    t = session.get(captcha_url, headers=header)
    with open("captcha.jpg","wb") as f:
        f.write(t.content)
        f.close()

    from PIL import Image
    try:
        im = Image.open('captcha.jpg')
        im.show()
        im.close()
    except:
        pass

    captcha = input("輸入驗證碼\n>")
    return captcha

def zhihu_login(account,password):
    #知乎登錄
    if re.match("^1\d{10}",account):
        print("手機號碼登錄")
        post_url = "https://www.zhihu.com/login/phone_num"
        post_data = {
            "_xsrf": get_xsrf(),
            "phone_num": account,
            "password": password,
            "captcha":get_captcha()
        }
        response_text = session.post(post_url,data=post_data,headers=header)



def is_login():
    #通過個人中心頁面返回狀態碼來判斷是否爲登錄狀態
    inbox_url = "https://www.zhihu.com/inbox"
    #allow_redirects使重定向爲false
    response = session.get(inbox_url, headers=header, allow_redirects=False)
    if response.status_code != 200:
        return False
    else:
        return True


zhihu_login("yourPhoneNumber","password")
print(is_login())

運行結果：