使用Python模拟登录QQ邮箱获取QQ好友列表

转载：http://www.52harry.com/program/python/2011-11-11/515.html

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：

/article/5365003.html

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。

QQ邮箱的官方登陆地址是http://mail.qq.com/

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 <input type="hidden" name="ts" value="1234672721" /> 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、<input type="hidden" name="ts" value="1234672721" /> 改为 <input type="hidden" name="ts" value="{{ts}}" />

2、表单的action地址改为我们自己这里假设为 /friends/ 因此

<form name="form1" method="post" action="http://m11.mail.qq.com/cgi-bin/login?sid=0,2,zh_CN" onSubmit="return checkInput();" >

改为

<form name="form1" method="post" action="/friends/" onSubmit="return checkInput();">

3、图片验证码地址，有两个地方要改：

document.write("<img id='vfcode' src='http://ptlogin2.qq.com/getimage?aid=23000101&",Math.random(),"' style='cursor:pointer;border:1px solid #e4eef9' onclick='changeimg()'>");

改为

document.write("<img id='vfcode' src='/qq-captcha/?aid=23000101&", Math.random(), "' style='cursor:pointer;border:1px solid #e4eef9' onclick='changeimg()'>");

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.

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'<uls+class="grouplist">.+?</ul>', re.DOTALL)

body_re = re.compile(r'<bodysclass="tbody"sid="list">.+?</body>', 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


<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">

<html>

<head>

<title>好友列表</title>

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

</head>

<body>

{%if error_msg%}

{{error_msg}}

{%endif%}

{%for group, friends in friend_list.items %}

<ul>

{{group}}:

{%for name, email in friends%}

<li>{{name|safe}} {{email}}</li>

{%endfor%}

</ul>

{%endfor%}

</body>

</html>

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：

<script> var urlHead="http://m11.mail.qq.com/cgi-bin/"; var targetUrl=""; var mailto=""; targetUrl = urlHead + "loginpage?" +"errtype=2" +"&verify=true" +"&clientuin=12345678" +"&t=" +"&alias=" +"®alias=" +"&delegate_url=" +"&title=" +"&url=%2Fcgi-bin%2Flogin%3Fsid%3D0%2C2%2Czh_CN"
+"&org_fun=" +"&aliastype=@qq.com" +"&ss=" +"&from=" +"&autologin=n" if (targetUrl == "") { targetUrl = ""; } document.write("<META http-equiv=Refresh content='0; url="" + targetUrl + ""'/>"); </script> <script type="text/javascript"> location.href=targetUrl
</script>

账号或密码错误是这样：

<script> var urlHead="http://m11.mail.qq.com/cgi-bin/"; var targetUrl=""; var mailto=""; targetUrl = urlHead + "loginpage?" +"errtype=1" +"&verify=false" +"&clientuin=172564012" +"&t=" +"&alias=" +"®alias=" +"&delegate_url=" +"&title=" +"&url=%2Fcgi-bin%2Flogin%3Fsid%3D0%2C2%2Czh_CN"
+"&org_fun=" +"&aliastype=@qq.com" +"&ss=" +"&from=" +"&autologin=n" if (targetUrl == "") { targetUrl = ""; } document.write("<META http-equiv=Refresh content='0; url="" + targetUrl + ""'/>"); </script> <script type="text/javascript"> location.href=targetUrl
</script>

登录成功是这样：

<script> var urlHead="http://m11.mail.qq.com/cgi-bin/"; var targetUrl=""; var mailto=""; targetUrl = urlHead + "frame_html?sid=UJh1e2XMWhOEbWcu"; if (targetUrl == "") { targetUrl = ""; } document.write("<META http-equiv=Refresh content='0; url="" + targetUrl
+ ""'/>"); </script> <script type="text/javascript"> location.href=targetUrl </script>

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<ul class="grouplist"></ul>部分可以获取好友分组名称和相应的url地址。

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：

http://www.playdjango.cn/qq-friends/

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。