利用scrapy模拟登录知乎

时间：2022-06-08 10:53:19

闲来无事，写一个模拟登录知乎的小demo。

分析网页发现：登录需要的手机号，密码，_xsrf参数，验证码

实现思路：

1、获取验证码

2、获取_xsrf 参数

3、携带参数，请求登录

验证码url : "https://www.zhihu.com/captcha.gif?r={t}&type=login&lang=en".format(t=t)  # t 为时间戳

登录界面url : "https://www.zhihu.com/#signin"

手机登录申请url : 'https://www.zhihu.com/login/phone_num'

实现代码：

　　首先配置文件 settings 中 ROBOTSTXT_OBEY = False

　　1、开头及验证码处理部分，先重写scrapy的start_requests方法。其次利用Pillow 来处理验证码，将验证码显示出来，手动填写（毕竟打码是需要费用的），知乎默认的验证码为中文，经分析发现验证码url 后面的 lang 参数决定语言，所以试着将语言改为英文（en）

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

import scrapy

import time

import json

from PIL import Image

class ZhihuSpider(scrapy.Spider):

    name = 'zhihu'

    allowed_domains = ['www.zhihu.com']

    # 重写start_requests方法，处理验证码问题

    def start_requests(self):

        t = str(time.time()).replace('','.')

        # 验证码url

        start_urls = "https://www.zhihu.com/captcha.gif?r={t}&type=login&lang=en".format(t=t)

        self.header ={

            "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36",

            'Referer':' https: // www.zhihu.com /'

        }

        # 请求验证码的url

        return [scrapy.Request(url=start_urls,headers=self.header,callback=self.capcha,dont_filter=True)]

    # 获取验证码

    def capcha(self,response):

        # 获取验证码，将验证马写入本地

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

            f.write(response.body)

        try:

            # 利用pillow打开验证码

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

            im.show()

        except:

            print('请打开文件%s自行输入'%("capcha.jpg"))

        cap = input("请输入验证码>>")

        data = {

            "cap":cap

        }

        log_url = "https://www.zhihu.com/#signin"

        return scrapy.Request(url=log_url,callback=self.parse_login,headers=self.header,meta=data,dont_filter=True)

　　2、得到验证码后，开始搞_xsrf参数，从登录源码中分析得到_xsrf 在属性为name="_xsrf" 的input 节点中的value值

  # 解析申请登陆的页面，获取参数xsrf

    def parse_login(self,response):

        xsrf = response.xpath('//input[@name="_xsrf"]/@value').extract_first()

        if not xsrf:

            print("请求错误")

            return ''

        phone_num = input("请输入手机号码")

        password = input("请输入密码")

        data = {

            'captcha':response.meta['cap'],

            '_xsrf':xsrf,

            'password':password,

            'captcha_type':' en',

            'phone_num':phone_num

        }

        # 用手机号-密码 登录的url

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

        return scrapy.FormRequest(url=url,callback=self.login_zh,headers=self.header,formdata=data,dont_filter=True,meta={'direct_list': [301, 302], 'direct_ignore': True})

3、参数都获取到后就可以模拟登录了

    # 验证是否登录成功

    def login_zh(self,response):

        print(json.loads(response.text)['msg'])

        url = "https://www.zhihu.com/#signin"

        # 请求登录知乎

        yield scrapy.Request(url=url,callback=self.zh,headers=self.header,dont_filter=True,meta={'direct_list':[301,302],'direct_ignore':True})

    # 后续解析知乎登录后的页面

    def zh(self,response):

        print(response.text)

本次登录后，并未对页面进行解析，只是打印一下页面，作为验证。

相关文章