最近因开发项目的需要,有一个需求,就是很多SNS网站都有的通过 Email地址 导入好友列表,不过这次要导入的不是Email 列表,而是QQ的好友列表。
实现方式:
通过google一搜,实现的方式大概有下面这篇文章提到的几种方法:
最后我选择了通过模拟登录QQ邮箱的方式来实现,该实现方式在海内网上的好友查找功能也可以看到。
与其他大部分邮箱不同的是,如果使用纯数字的QQ号登录的话,除了密码,还需要输入验证码。
看到海内上的QQ好友导入功能也是需要输入验证码的,而且验证码的样子和QQ邮箱的很像。由于这是需要在用户手动输入密码的情况下才能实现的功能,因此输入验证码的工作也可以让用户手动来完成。
验证码处理:
通过对 http://mail.qq.com/ 页面的分析, QQ邮箱的验证码方式实现原理其实是很简单,当需要一张验证码图片或看不清而需要换一张时,它都是向地址 http://ptlogin2.qq.com/getimage?aid=23000101 发出请求,(页面上该地址是通过js生成的,为了防止浏览器缓存,地址末尾还会带有随机一个随机数),而该链接不但返回一张图片,还在http头部带有设置cookie的一段header。这样当用户提交表单的时候,浏览器就会把该cookie发送回服务器,服务器通过比较 该cookie值和经过某种运算后的表单中的验证码值 就可以判断验证码是否填写正确。
现在的问题是由于cookie的安全机制,验证码图片不能直接从腾讯的服务器上去取,那样用户在将QQ和密码发送到我们的服务器时,验证码的cookie不会一起发过来。
解决方式其实也很简单,将验证码的获取地址改为我们自己的服务器,我们的服务器作为简单的代理,从腾讯的服务器上去获取真正的验证码,再将图片内容和那段cookie发送回用户浏览器。那样用户提交表单的时候,那段cookie就又会发送回我们的服务器了。
绕过其他验证安全机制:
一般上有了账号,密码,验证码这3样东西就可以实现模拟登录很多网站了,但是QQ邮箱还有其他的安全机制,在QQ邮箱登陆的表单中还有一个像这样 的 hidden 域,该value每次刷新页面都会改变,同时在表单提交的时候,还会通过js将该值与其他hidden 域的值进行某些计算才正式提交表单。
通过多次模拟登录,估计该值是用来判断登录session超时的,同时也参与其他的一些干扰加密的计算。而且该值与验证码是完全无关的,因此在显示我们表单时,只要先去抓取一下 http://mail.qq.com/ 页面,从里面提取出ts 值, 连同其他所有 hidden 域 和相关计算的js代码放入我们的表单中就可以了。
因此,实际上我们的表单只需要稍微修改一下 http://mail.qq.com/ 页面的内容就可以作为显示给用户的表单。主要包括以下几个方面,这里我使用的django,所以使用django的模板语法:
1、 改为
2、表单的action地址改为我们自己这里假设为 /friends/ 因此
改为
3、图片验证码地址,有两个地方要改:
document.write("");
改为
document.write("");
另外一个changeimg 函数内, 也将相应的地址改为我们自己的服务器即可。
改了这些,页面看上去和原来几乎一样,只是所有交互都改到了我们的服务器上,出于版权和页面统一的需要,在使用到自己的网站上时,可以使用自己设计的页面,只要表单的初始化和提交与原来一样就可以了,甚至也可以通过阅读js部分的源代码,把ts部分的计算移到服务器端进行。
示例代码:
以下是整个views.py的代码,包括后面会讲到模拟登录部分,login和qq_captcha分别用来初始化登陆页和获取图片验证码:
Python代码
# Create your views here.
fromdjango.shortcutsimportrender_to_response
fromurllib2importRequest, urlopen, build_opener, HTTPCookieProcessor
fromurllibimporturlencode
fromcookielibimportCookieJar
fromdjango.httpimportHttpResponse
importre
fromxml.sax.saxutilsimportunescape
fromBeautifulSoupimportBeautifulSoup
server_no ='m11'
login_error_re = re.compile('"errtype=(\d)"')
login_succ_re = re.compile('"frame_html\?sid=(.+?)"')
hacked_friendlist_page_re = re.compile(r'\
- .+?\
body_re = re.compile(r'\
.+?\', re.DOTALL)deflogin(request):
url ='http://mail.qq.com/'
re_obj = re.compile(r'name="ts"\svalue="(\d+)"')
match_obj = re_obj.search(urlopen(url).read())
ts = match_obj.group(1)
returnrender_to_response('login.html', locals())
defqq_captcha(request):
url ='http://ptlogin2.qq.com/getimage?aid=%s'% request.GET['aid']
f = urlopen(url)
r = HttpResponse(f.read(), mimetype = f.info()['Content-Type'], )
r['Pragma'] ='no-cache'
r.set_cookie('verifysession', f.info()['Set-Cookie'].split(';')[0].split('=')[1].strip())
returnr
defqq_friends(request):
forkinrequest.POST:
print'%s : %s'% (k, request.POST[k])
verifysession = request.COOKIES['verifysession']
printverifysession
headers = {'Cookie':'''''verifysession=%s'''% verifysession,
'Content-Type':'application/x-www-form-urlencoded',
'Referer':'http://mail.qq.com/',
'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.0.1) Gecko/2008070208 Firefox/3.0.1',
}
data = urlencode(request.POST)
login_request = Request('http://%s.mail.qq.com/cgi-bin/login?sid=0,2,zh_CN'% server_no, data, headers)
result = urlopen(login_request)
content = result.read()
login_error = login_error_re.search(content)
iflogin_error:
error_no = login_error.group(1)#1:password wrong 2: captcha wrong
iferror_no =='1':
error_msg ='password or qq wrong'
eliferror_no =='2':
error_msg ='captcha wrong'
returnrender_to_response('friends.html', locals())
sid = login_succ_re.search(content).group(1)
friends_list_headers = {'Referer':'http://mail.qq.com/',
'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.0.1) Gecko/2008070208 Firefox/3.0.1',
}
friends_list_request = Request('http://%s.mail.qq.com/cgi-bin/addr_listall?sid=%s&sorttype=null&category=common'% (server_no, sid), headers = friends_list_headers)
cj = CookieJar()
cj.extract_cookies(result, friends_list_request)
opener = build_opener(HTTPCookieProcessor(cj))
result = opener.open(friends_list_request)
grouplist = hacked_friendlist_page_re.search(result.read().decode('gb2312','ignore')).group(0)
soup = BeautifulSoup(grouplist, fromEncoding ='utf-8')
grouplist = soup.findAll('li')
friend_list = {}
forgroupingrouplist:
friend_list[group.a.string] = []
list_request = Request('http://%s.mail.qq.com%s'% (server_no, group.a['href']), headers = friends_list_headers)
result = opener.open(list_request)
body = BeautifulSoup(body_re.search(result.read().decode('gb2312','ignore')).group(0), fromEncoding ='utf-8')
friends = body.findAll('div', attrs={'class':'M'})
forfriendinfriends:
friend_name = unescape(friend.p.span.contents[1].replace(' ','',1))
friend_email = friend.p.img['addr']
friend_list[group.a.string].append((friend_name, friend_email))
returnrender_to_response('friends.html', locals())
# Create your views here.
from django.shortcuts import render_to_response
from urllib2 import Request, urlopen, build_opener, HTTPCookieProcessor
from urllib import urlencode
from cookielib import CookieJar
from django.http import HttpResponse
import re
from xml.sax.saxutils import unescape
from BeautifulSoup import BeautifulSoup
server_no = 'm11'
login_error_re = re.compile('"errtype=(\d)"')
login_succ_re = re.compile('"frame_html\?sid=(.+?)"')
hacked_friendlist_page_re = re.compile(r'\
- .+?\
body_re = re.compile(r'\
.+?\', re.DOTALL)def login(request):
url = 'http://mail.qq.com/'
re_obj = re.compile(r'name="ts"\svalue="(\d+)"')
match_obj = re_obj.search(urlopen(url).read())
ts = match_obj.group(1)
return render_to_response('login.html', locals())
def qq_captcha(request):
url = 'http://ptlogin2.qq.com/getimage?aid=%s' % request.GET['aid']
f = urlopen(url)
r = HttpResponse(f.read(), mimetype = f.info()['Content-Type'], )
r['Pragma'] = 'no-cache'
r.set_cookie('verifysession', f.info()['Set-Cookie'].split(';')[0].split('=')[1].strip())
return r
def qq_friends(request):
for k in request.POST:
print '%s : %s' % (k, request.POST[k])
verifysession = request.COOKIES['verifysession']
print verifysession
headers = {'Cookie':'''verifysession=%s''' % verifysession,
'Content-Type':'application/x-www-form-urlencoded',
'Referer':'http://mail.qq.com/',
'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.0.1) Gecko/2008070208 Firefox/3.0.1',
}
data = urlencode(request.POST)
login_request = Request('http://%s.mail.qq.com/cgi-bin/login?sid=0,2,zh_CN' % server_no, data, headers)
result = urlopen(login_request)
content = result.read()
login_error = login_error_re.search(content)
if login_error:
error_no = login_error.group(1) #1:password wrong 2: captcha wrong
if error_no == '1':
error_msg = 'password or qq wrong'
elif error_no == '2':
error_msg = 'captcha wrong'
return render_to_response('friends.html', locals())
sid = login_succ_re.search(content).group(1)
friends_list_headers = {'Referer':'http://mail.qq.com/',
'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.0.1) Gecko/2008070208 Firefox/3.0.1',
}
friends_list_request = Request('http://%s.mail.qq.com/cgi-bin/addr_listall?sid=%s&sorttype=null&category=common' % (server_no, sid), headers = friends_list_headers)
cj = CookieJar()
cj.extract_cookies(result, friends_list_request)
opener = build_opener(HTTPCookieProcessor(cj))
result = opener.open(friends_list_request)
grouplist = hacked_friendlist_page_re.search(result.read().decode('gb2312', 'ignore')).group(0)
soup = BeautifulSoup(grouplist, fromEncoding = 'utf-8')
grouplist = soup.findAll('li')
friend_list = {}
for group in grouplist:
friend_list[group.a.string] = []
list_request = Request('http://%s.mail.qq.com%s' % (server_no, group.a['href']), headers = friends_list_headers)
result = opener.open(list_request)
body = BeautifulSoup(body_re.search(result.read().decode('gb2312', 'ignore')).group(0), fromEncoding = 'utf-8')
friends = body.findAll('div', attrs={'class':'M'})
for friend in friends:
friend_name = unescape(friend.p.span.contents[1].replace(' ', '', 1))
friend_email = friend.p.img['addr']
friend_list[group.a.string].append((friend_name, friend_email))
return render_to_response('friends.html', locals())
模板 friends.html 的代码:
Html代码
HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
好友列表{%if error_msg%}
{{error_msg}}
{%endif%}
{%for group, friends in friend_list.items %}
{{group}}:
{%for name, email in friends%}
{{name|safe}} {{email}}{%endfor%}
{%endfor%}
好友列表{%if error_msg%}
{{error_msg}}
{%endif%}
{%for group, friends in friend_list.items %}
{{group}}:
{%for name, email in friends%}
{{name|safe}} {{email}}{%endfor%}
{%endfor%}
模拟登录部分都在view qq_friends 里面进行,基本上就像前面说得,获取图片验证码的cookie,将表单提交的值原样发送post到腾讯的服务器,如果都正确的话就可以登录了。
发送的结果大概分为3种,验证码错误,账号或密码错误,登陆成功。不管在哪种情况下,腾讯的服务器都是返回一段js代码,通过那段代码重定向到错误页或邮箱登陆后的首页。
其中验证码错误像是下面这样:
账号或密码错误是这样:
登录成功是这样:
其中登录成功后的反馈不但是上面的js代码,还包括一大堆cookie,与邮箱服务器的后续交互都需要用到这些cookie。
另外上面js代码中frame_html?sid=UJh1e2XMWhOEbWcu的sid部分需要多次用到在后面抓取好友列表页面的url中,所以也需要提取出来。
登录邮箱后,就可以抓取好友列表了,可以通过先访问页面
http://m11.mail.qq.com/cgi-bin/addr_listall?sid=UJh1e2XMWhOEbWcu&sorttype=null&category=common
该页面的
然后在相应的访问各个好友分组的页面的就可以获取好友列表了。
这里由于我自己的QQ号限制,不知道如果没有好友没有分组页面会是什么情况,以及如果某个分组的好友很多的话,该好友列表页面是否会有分页(目前是没有见到分页)。有什么错误的话可以留言给我。
其他说明:
1、由于有些QQ用户给自己取火星文昵称,导致抓取的页面上很容易出现字符编码错误及HTML转义问题。
2、不知道是故意为了防止抓取还是设计不规范,好多页面用BeautifulSoup直接实例化,会导致大量信息的丢失,所以上面的代码都是尽可能先用正则表达式提取必须部分的信息。
3、由于QQ邮箱服务器的代码也在升级(事实上,我前几天刚写的代码就刚失效了,马上做了一些修改,昨天海内上的那个功能也出现了问题,看来他们也是通过QQ邮箱方式来实现的),所以并不能保证你在看到本文章时,上面的代码依然使用有效。但是总体上的思路依然可以提供参考。
Demo地址:
由于要输入自己的QQ密码,如果你觉得不可信的话还是别试了,你也可以把上面的代码整理一下弄到自己的机器上进行测试也一样。