python3模拟登录知乎

1，前言

  在爬虫的世界里，模拟登录是一项必备的技能，很多网站登录才能有浏览信息的权限，今天就在python来模拟登录知乎

2，获取登录时post的参数

   在网页上输入知乎的url：https://www.zhihu.com/#signin，随便输入一个手机号（13265604588）和密码（1234），按f12，然后点击登录，在 network就能获取提交的表单

这里登录时需要提交的数据有四个：手机号码和密码由我们自己输入，_xsrf 为知乎的隐藏随机码，captcha_type 为验证码类型

请求的url是：https://www.zhihu.com/login/phone_num，后面会用到

2.1 获取_xsrf

  在登录页面右键检查网页源码，就可以在提交表单那里发现

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

37616639663361332d393965632d346634632d396166362d356538383763653738367

">

这个通过一个正则表达式就可以提取出来

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







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



其中在提取那里(.*?)要注意加入问号取消贪婪匹配

方法代码如下：

def get_xsrf():
    #获取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 获取验证码

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('请输入验证码: ')
    return captcha
这里的获取验证码需要人工验证，按照生成的gif输入即可




 3，创建登录函数


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):
    #知乎登录
    if re.match("^1\d{10}",account):
        print("手机号码登录")
	#前面提取的手机号码登录请求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)
这样结合之前的的get_xsrf，get_captcha方法就能顺利登录知乎了，如何验证？




4，检验登录是否成功
在未登录成功时是无法访问查询个人私信的网站：https://www.zhihu.com/inbox
在网页上输入该网址




可以看到访问身份信息为302即临时跳转，知乎将我们网址跳转到登录界面，即没有访问权限，可以通过检验response的身份信息来检验是否登录成功，代码如下

def is_login():
    #通过个人中心页面返回状态码来判断是否为登录状态
    inbox_url = "https://www.zhihu.com/inbox"
    #allow_redirects使重定向为false
    response = session.get(inbox_url, headers=header, allow_redirects=False)
    if response.status_code != 200:
        return False
    else:
        return True


这里注意session的allow_redirects参数， 取消了网页重定向功能。如果不取消，即使访问失败也会重新跳转到登录界面，这样返回的身份信息还是 200




5，完整代码

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():
    #获取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("输入验证码\n>")
    return captcha

def zhihu_login(account,password):
    #知乎登录
    if re.match("^1\d{10}",account):
        print("手机号码登录")
        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():
    #通过个人中心页面返回状态码来判断是否为登录状态
    inbox_url = "https://www.zhihu.com/inbox"
    #allow_redirects使重定向为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())
运行结果：