分析登錄過程

這幾天研究百度登錄和貼吧簽到，這百度果然是互聯(lián)網(wǎng)巨頭，一個登錄過程都弄得復雜無比，簡直有毒。我研究了好幾天仍然沒搞明白。所以還是先挑一個軟柿子捏捏，就選擇CSDN了。

過程很簡單，我也不截圖了。直接打開瀏覽器，然后打開Fiddler，然后登錄CSDN。然后Fiddler顯示瀏覽器向https://passport.csdn.net/account/login?ref=toolbar發(fā)送了一個POST請求，這個請求包含了登錄表單，而且還是未加密的。當然CSDN本身還是使用了HTTPS，所以安全性還行。

請求體如下，username和password當然是用戶名和密碼了。

username=XXXXX&password=XXXXXX&rememberMe=true<=LT-461600-wEKpWAqbfZoULXmFmDIulKPbL44hAu&execution=e4s1&_eventId=submit

lt參數(shù)我不知道是干啥的，結果直接在頁面中一看原來全在表單里頭，這下直接全了。CSDN很貼心的連注釋都給出了。另外如果你打開百度首頁的話，還會發(fā)現(xiàn)瀏覽器的log中還會輸出百度的招聘信息。

HTML截圖

登錄代碼

這些信息全有了，這樣我們就可以登錄了。不說廢話，直接上代碼。先說說我遇到的幾個坑。

首先是一個參數(shù)錯誤，其實邏輯沒問題，但是代碼我復制粘貼之后忘了改名字了，就登錄表單那里，三個參數(shù)全弄成了lt，結果登錄返回來的頁面是錯誤頁面。我還以為是沒有附帶什么請求頭，瞎整了大半天。最后用Fiddler調試了好多遍才發(fā)現(xiàn)。

第二個問題就是CSDN雞賊的跳轉。由于瀏覽器自帶了JS引擎，所以我們在瀏覽器中輸入網(wǎng)址，到達頁面這一過程不一定就是一個請求?？赡苤虚g用了什么JS代碼先跳轉到中間頁面，最后才跳轉到實際頁面。代碼里的_validate_redirect_url(self)函數(shù)就是干這個的，登錄完了第一次請求會得到一個中間頁面，它包含了一堆JS代碼，其中有個重定向網(wǎng)址。我們獲取到這個重定向網(wǎng)址，還得請求一次，獲得200OK之后，后續(xù)請求才能獲得實際頁面。

第三個問題就是正則表達式匹配頁面的空格問題了。獲取文章首先得知道文章總數(shù)，這個好辦，直接獲取頁面里的文章數(shù)就行了。它類似100條共20頁這個。那么該怎么獲取呢？一開始我用的(/d+)條共(/d+)頁這個正則，但是結果沒匹配到，然后我仔細看了一下頁面，原來這兩個詞之間不是一個空格，而是兩個空格！其實這個問題倒是也好辦，改一下正則(/d+)條/s*共(/d+)頁就行了。所以以后如果遇到空格問題，直接用/s匹配，不要想著自己輸入一個空格還是兩個空格。

import requestsfrom bs4 import BeautifulSoupimport reimport urllib.parse as parseclass CsdnHelper:  """登錄CSDN和列出所有文章的類"""  csdn_login_url = 'https://passport.csdn.net/account/login?ref=toolbar'  headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36',  }  blog_url = 'http://write.blog.csdn.net/postlist/'  def __init__(self):    self._session = requests.session()    self._session.headers = CsdnHelper.headers  def login(self, username, password):    '''登錄主函數(shù)'''    form_data = self._prepare_login_form_data(username, password)    response = self._session.post(CsdnHelper.csdn_login_url, data=form_data)    if 'UserNick' in response.cookies:      nick = response.cookies['UserNick']      print(parse.unquote(nick))    else:      raise Exception('登錄失敗')  def _prepare_login_form_data(self, username, password):    '''從頁面獲取參數(shù)，準備提交表單'''    response = self._session.get(CsdnHelper.csdn_login_url)    login_page = BeautifulSoup(response.text, 'lxml')    login_form = login_page.find('form', id='fm1')    lt = login_form.find('input', attrs={'name': 'lt'})['value']    execution = login_form.find('input', attrs={'name': 'execution'})['value']    eventId = login_form.find('input', attrs={'name': '_eventId'})['value']    form = {      'username': username,      'password': password,      'lt': lt,      'execution': execution,      '_eventId': eventId    }    return form  def _get_blog_count(self):    '''獲取文章數(shù)和頁數(shù)'''    self._validate_redirect_url()    response = self._session.get(CsdnHelper.blog_url)    blog_page = BeautifulSoup(response.text, 'lxml')    span = blog_page.find('div', class_='page_nav').span    print(span.string)    pattern = re.compile(r'(/d+)條/s*共(/d+)頁')    result = pattern.findall(span.string)    blog_count = int(result[0][0])    page_count = int(result[0][1])    return (blog_count, page_count)  def _validate_redirect_url(self):    '''驗證重定向網(wǎng)頁'''    response = self._session.get(CsdnHelper.blog_url)    redirect_url = re.findall(r'var redirect = "(/S+)";', response.text)[0]    self._session.get(redirect_url)  def print_blogs(self):    '''輸出文章信息'''    blog_count, page_count = self._get_blog_count()    for index in range(1, page_count + 1):      url = f'http://write.blog.csdn.net/postlist/0/0/enabled/{index}'      response = self._session.get(url)      page = BeautifulSoup(response.text, 'lxml')      links = page.find_all('a', href=re.compile(r'http://blog.csdn.net/u011054333/article/details/(/d+)'))      print(f'----------第{index}頁----------')      for link in links:        blog_name = link.string        blog_url = link['href']        print(f'文章名稱:《{blog_name}》 文章鏈接:{blog_url}')if __name__ == '__main__':  csdn_helper = CsdnHelper()  username = input("請輸入用戶名")  password = input("請輸入密碼")  csdn_helper.login(username, password)  csdn_helper.print_blogs()