python3模拟登录知乎

1，前言

  在爬虫的世界里，模拟登录是一项必备的技能，很多网站登录才能有浏览信息的权限，今天就在python来模拟登录知乎

2，获取登录时post的参数

   在网页上输入知乎的url：https://www.zhihu.com/#signin，随便输入一个手机号（13265604588）和密码（1234），按f12，然后点击登录，在 network就能获取提交的表单


这里登录时需要提交的数据有四个：手机号码和密码由我们自己输入，_xsrf 为知乎的隐藏随机码，captcha_type 为验证码类型

请求的url是：https://www.zhihu.com/login/phone_num，后面会用到

2.1 获取_xsrf

  在登录页面右键检查网页源码，就可以在提交表单那里发现

<input type="hidden" name="_xsrf" value="

37616639663361332d393965632d346634632d396166362d356538383763653738367

">

这个通过一个正则表达式就可以提取出来

text = '<input type="hidden" name="_xsrf" value="37616639663361332d393965632d346634632d396166362d356538383763653738367">'
match_obj = re.match('.*name="_xsrf" value="(.*?)"',text)

if match_obj:
print (match_obj.group(1))

其中在提取那里(.*?)要注意加入问号取消贪婪匹配

方法代码如下：

def get_xsrf():
#获取xsrf code
response = session.get("https://www.zhihu.com",headers = header)
match_obj = re.match('.*name="_xsrf" value="(.*?)"',response.text)
# print(match_obj.group(1))
if match_obj:
return (match_obj.group(1))
return ""

2.2 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"
print(captcha_url)
response = session.get(captcha_url, headers=header)
with open('captcha.gif', 'wb') as f:
f.write(response.content)
f.close()
from PIL import Image
try:
im = Image.open('captcha.gif')
im.show()
im.close()
except:
pass

captcha = input('请输入验证码: ')
return captcha这里的获取验证码需要人工验证，按照生成的gif输入即可

 3，创建登录函数

import requests

import re

session =requests.session()

agent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.91 Safari/537.36"
header = {
"HOST":"www.zhihu.com",
"Referer": "https://www.zhizhu.com",
'User-Agent': agent
}

def zhihu_login(account,password):
#知乎登录
if re.match("^1\d{10}",account):
print("手机号码登录")

#前面提取的手机号码登录请求url
post_url = "https://www.zhihu.com/login/phone_num"
post_data = {
"_xsrf": get_xsrf(),
"phone_num": account,
"password": password,
"captcha":get_captcha()
}
response_text = session.post(post_url,data=post_data,headers=header)

这样结合之前的的get_xsrf，get_captcha方法就能顺利登录知乎了，如何验证？

4，检验登录是否成功

在未登录成功时是无法访问查询个人私信的网站：https://www.zhihu.com/inbox

在网页上输入该网址



可以看到访问身份信息为302即临时跳转，知乎将我们网址跳转到登录界面，即没有访问权限，可以通过检验response的身份信息来检验是否登录成功，代码如下

def is_login():
#通过个人中心页面返回状态码来判断是否为登录状态
inbox_url = "https://www.zhihu.com/inbox"
#allow_redirects使重定向为false
response = session.get(inbox_url, headers=header, allow_redirects=False)
if response.status_code != 200:
return False
else:
return True

这里注意session的allow_redirects参数， 取消了网页重定向功能。如果不取消，即使访问失败也会重新跳转到登录界面，这样返回的身份信息还是 200

5，完整代码

import requests
import re

session =requests.session()

agent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.91 Safari/537.36"
header = {
"HOST":"www.zhihu.com",
"Referer": "https://www.zhizhu.com",
'User-Agent': agent
}

def get_xsrf():
#获取xsrf code
response = session.get("https://www.zhihu.com",headers = header)
# print(response.text)
# text = '<input type="hidden" name="_xsrf" value="37616639663361332d393965632d346634632d396166362d356538383763653738363637">'
match_obj = re.match('.*name="_xsrf" value="(.*?)"',response.text)
# print(match_obj.group(1))
if match_obj:
return (match_obj.group(1))
return ""

def get_captcha():
import time
t = str(int(time.time()*1000))
captcha_url = "https://www.zhihu.com/captcha.gif?r={0}&type=login".format(t)
t = session.get(captcha_url, headers=header)
with open("captcha.jpg","wb") as f:
f.write(t.content)
f.close()

from PIL import Image
try:
im = Image.open('captcha.jpg')
im.show()
im.close()
except:
pass

captcha = input("输入验证码\n>")
return captcha

def zhihu_login(account,password):
#知乎登录
if re.match("^1\d{10}",account):
print("手机号码登录")
post_url = "https://www.zhihu.com/login/phone_num"
post_data = {
"_xsrf": get_xsrf(),
"phone_num": account,
"password": password,
"captcha":get_captcha()
}
response_text = session.post(post_url,data=post_data,headers=header)

def is_login():
#通过个人中心页面返回状态码来判断是否为登录状态
inbox_url = "https://www.zhihu.com/inbox"
#allow_redirects使重定向为false
response = session.get(inbox_url, headers=header, allow_redirects=False)
if response.status_code != 200:
return False
else:
return True

zhihu_login("yourPhoneNumber","password")
print(is_login())

运行结果：