python-知乎模拟登录

本篇文章用于记录如何实现知乎模拟登录

本篇采用firefox浏览器，按F12开发者工具来进行HTTP交互的获取和分析。需要设置开发者工具中的preserve log选项，否则会因为HTTP交互过多，无法参考中间过程的HTTP请求和回应

登录知乎，通过开发者工具来查看HTTP交互，发现实际的登录地址为https://www.zhihu.com/login/email. 这是我们使用email进行登录，如果使用手机号码进行登录，那么实际的登录地址为http://www.zhihu.com/login/phone_num.

该登录是通过post方式实现，所以我们需要查看并分析postdata。

需要特别提到的是_xsrf，它是页面校验码，用来检查你是否是从正常的登录页面过来的，从而防止跨站点请求伪造。这个参数是动态变化的，所以不能获取一次后就一劳永逸，通过html中使用正则表达式匹配出来.

如果只是把以上数据post过去不一定会成功，因为很有可能需要验证码。关于验证码的网页地址，在页面的html中可以看到，但通过程序读取的内容中确搜不到。通过在https://www.zhihu.com/question/29925879的最高票的答案，可以知道验证码的网址由时间戳组成。

t = str(int(time.time()*1000))
    captcha_url = 'http://zhihu.com/captcha.gif?r='+t+"&type=login"

关于验证码的识别，在本文章中使用手动输入进行识别。以后会尝试自动进行图片验证码的识别，传统的机器学习算法可能有一定困难，但通过卷积神经网络等深度学习算法可以拥有不俗的识别率，在之后的进阶版中将会集成卷积神经网络。

在进行模拟登录前，需要记录该网站的Cookie。Cookie就是保存在用户端的经过加密的数据，从而实现Session跟踪。某些网站通过Cookie来识别用户身份，某些网页需要登录后才能访问，通过加载Cookie后就可以进行访问并爬取。关于session和cookie的详解可以参考这篇文章http://blog.csdn.net/fangaoxin/article/details/6952954/

可以先通过访问https://www.zhihu.com/settings/profile 来判断是否登录，如果没有登录，知乎会将你的访问进行重定向，所以返回的HTTP状态码就是301或302。

如果登录成功，返回的结果：

如果登录失败，返回的结果：

本篇的实现代码：https://github.com/EdwardLee0331/zhihuLogin
觉得好的可以打个star