python爬虫-知乎登录

时间：2022-08-04 11:02:12
#!/usr/bin/env python3

# -*- coding: utf-8 -*-

'''

Required

- requests (必须)

- pillow (可选)

'''

import requests

try:

    import cookielib

except:

    import http.cookiejar as cookielib

import re

import time

import os.path

try:

    from PIL import Image

except:

    pass

#使用验证码识别库

#import pytesseract

# 构造 Request headers

agent = 'Mozilla/5.0 (Windows NT 5.1; rv:33.0) Gecko/20100101 Firefox/33.0'

headers = {

    'User-Agent': agent

}

# 使用登录cookie信息

session = requests.session()

session.cookies = cookielib.LWPCookieJar(filename='cookies')

try:

    session.cookies.load(ignore_discard=True)

except:

    print("Cookie 未能加载")

def get_xsrf():

    '''_xsrf 是一个动态变化的参数'''

    index_url = 'https://www.zhihu.com'

    # 获取登录时需要用到的_xsrf

    index_page = session.get(index_url, headers=headers)

    html = index_page.text

    pattern = r'name="_xsrf" value="(.*?)"'

    # 这里的_xsrf 返回的是一个list

    _xsrf = re.findall(pattern, html)

    return _xsrf[0]

# 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"

    r = session.get(captcha_url, headers=headers)

    with open('captcha.jpg', 'wb') as f:

        f.write(r.content)

        f.close()

    # 用pillow 的 Image 显示验证码

    # 如果没有安装 pillow 到源代码所在的目录去找到验证码然后手动输入

    try:

        im = Image.open('captcha.jpg')

        #使用验证码识别，系统需要安装tesseract-ocr软件

        #下载地址：https://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe

        #由于验证码识别，测试识别率不高，因此暂时不使用，寻找更好的识别方法再加

        #code = pytesseract.image_to_string(im)

        #print(code)

        im.show()

        im.close()

        #if len(code)!=4:

        #    print('自动识别不出验证码，请手动输入验证码！')

        #else:

        #    captcha = code

        #    return captchac

    except:

        print(u'请到 %s 目录找到captcha.jpg 手动输入' % os.path.abspath('captcha.jpg'))

    captcha = input("please input the captcha\n>")

    return captcha

def isLogin():

    # 通过查看用户个人信息来判断是否已经登录

    url = "https://www.zhihu.com/settings/profile"

    login_code = session.get(url,allow_redirects=False).status_code

    if int(x=login_code) == 200:

        return True

    else:

        return False

def login(secret, account):

    # 通过输入的用户名判断是否是手机号

    if re.match(r"^1\d{10}$", account):

        print("手机号登录 \n")

        post_url = 'https://www.zhihu.com/login/phone_num'

        postdata = {

            '_xsrf': get_xsrf(),

            'password': secret,

            'remember_me': 'true',

            'phone_num': account,

        }

    #可加上邮箱的判断，这里不加了

    else:

        print("邮箱登录 \n")

        post_url = 'https://www.zhihu.com/login/email'

        postdata = {

            '_xsrf': get_xsrf(),

            'password': secret,

            'remember_me': 'true',

            'email': account,

        }

    try:

        # 不需要验证码直接登录成功

        login_page = session.post(post_url, data=postdata, headers=headers)

        login_code = login_page.text

        print(login_page.status)

        print(login_code)

    except:

        # 需要输入验证码后才能登录成功

        postdata["captcha"] = get_captcha()

        login_page = session.post(post_url, data=postdata, headers=headers)

        login_code = eval(login_page.text)

        print(login_code['msg'])

        return login_code['r']

    session.cookies.save()

try:

    input = raw_input

except:

    pass

if __name__ == '__main__':

    while True:

        if isLogin():

            print('您已经登录')

        else:

            account = input('请输入你的用户名\n>  ')

            secret = input("请输入你的密码\n>  ")

            result = login(secret, account)

            if result == 0:

                #爬取登录成功后的网站内容

                conf_url = "https://www.zhihu.com/settings/profile"

                text = session.get(conf_url,headers=headers).text

                print(text)

                break

以上代码在python 2.*中运行时，只需修改代码的print处即可

代码部分参考网友，代码持续更新优化中，如有错误或更优的方法欢迎大家的留言！

相关文章