Java实现模拟登录新浪微博

毕设题目要使用到新浪微博数据，所以要爬取新浪微博的数据。一般而言，新浪微博的爬虫有两种模式：新浪官方API和模拟登录新浪微博。两种方法的异同点和适用情况就无须赘述了。前辈的文章已经非常多了。写这篇文章主要记录自己的探究过程。

参考文章：1，解析新浪微博的登录过程

　　　　　2，[Javascript] 爬虫模拟新浪微博登陆

　　　　　3，用java程序模拟登陆新浪微博

背景知识：Http协议，HttpClient开源包。

1，微博登陆流程

使用Firefox下的HttpFox或者Chrome下的[工具]->[开发者工具](F12快捷键启动)可以查看浏览器与网站服务器之间的报文交换信息。

我使用的是FireFox下面的HttpFox。建议提前删除FireFox之前保存的关于新浪微博的Cookies。这样登录过程更明显。

首先在地址栏中输入weibo.com网址，进入到登陆界面。然后开启HttpFox，输入账号（account）和密码(password)，单击登录按键，正常登陆。

如上图四个高亮项所示，微博的登录过程主要为四步HTTP请求：

(1)GET http://login.sina.com.cn/sso/prelogin.php

(2)POST http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.11)

(3)GET http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&sudaref=weibo.com

(4)GET http://weibo.com/u/5081950920/home?wvr=5&uut=fin&from=reg

下面对四步进行解析：

(1)GET http://login.sina.com.cn/sso/prelogin.php

此步骤是向服务器请求servertime，nonce等参数。此时可暂不了解这些参数的用处。

首先GET请求的参数为：

这里，‘su’参数是登录账户account经过BASE64加密过后得到的字符串，先将account中的‘@’替换为'%40',然后对其BASE64加密，得到su的值。‘_’参数的值是当前时间（毫秒值）。其余参数值一般不变。

样例：

http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=Y29tbWVudHN3ZWlibyU0MDE2My5jb20%3D&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.11)&_=1395726032529

向服务器发送这个请求后，会得到服务器的JSon格式的返回值：

sinaSSOController.preloginCallBack({"retcode":0,"servertime":1395726033,"pcid":"gz-3271d864f76816bbfbd651c6887ba9eabf59","nonce":"04DGHY","pubkey":"EB2A38568661887FA180BDDB5CABD5F21C7BFD59C090CB2D245A87AC253062882729293E5506350508E7F9AA3BB77F4333231490F915F6D63C55FE2F08A49B353F444AD3993CACC02DB784ABBB8E42A9B1BBFFFB38BE18D78E87A0E41B9B8F73A928EE0CCEE1F6739884B9777E4FE9E88A1BBE495927AC4A799B3181D6442443","rsakv":"1330428213","showpin":0,"exectime":157})

retcode为0表示执行成功；servertime,nonce是后期对用户密码password加密用的参数。pubkey是加密用的公钥，它的值一般为固定不变的，任何一次请求返回值都一样。raskv也是加密使用的参数。其余参数用处不大。

(2)POST http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.11)

这一步就是向服务器提交表单，表单参数为：

Parameter	Value	说明
entry	weibo	固定值
gateway	1	固定值
from		空值
savestate	7	固定值
useticket	1	固定值
pagerefer		空值
vsnf	1	固定值
su	Y29tbWVudHN3ZWlibyU0MDE2My5jb20=	账号account经过BASE64加密后得到的值
service	miniblog	固定值
servertime	1395726063	上一步获取的值
nonce	04DGHY	上一步获取的值
pwencode	rsa2	新浪所使用的加密方法，具体值与新浪使用算法有关。短期内应该为固定值
rsakv	1330428213	上一步获取的值
sp	一个256位的密文	密码password加密后的值，具体加密方法下面详细介绍
encoding	UTF-8	固定值
prelt	171	一个在[100, 1000]内取随机值
url	http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack	固定值
returntype	META	固定值

将该表单提交到URL：

http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.11)

这个URL版本不断变化，现在为版本1.4.11。自己开发代码时，可以注意一下当时的具体版本。

上述参数pagerefer有时候会改为

ssosimplelogin

固定值

但是，经过验证，两者互换无差别。

重点为su和sp的获取。

su:用户名usrname，就是输入的账户account，一般为邮件地址，经过BASE64加密后获得。

sp:密码password经过加密后获得。加密算法有两种。登陆 weibo.com时，会获取新浪微博的一个名字为ssologin.js的 js 脚本文件，在weibo.com的页面中连接为 http://js.t.sinajs.cn/t35/miniblog/static/js/sso.js?version=8818b2c42b785af9 。上面截图没有截取，可自行截取，在输入weibo.com前打开HttpFox即可。

该脚本文件中包含了整个登陆过程，同时包含了 RSA加密算法，WSSE加密算法和BASE64加密算法。目前该脚本文件的版本为 1.4.11 ，版本一直在升级，升级过程加密算法可能会做更改。具体加密过程此处不表，课查看js该文件，或者翻阅文章开头的链接博文，里面讲解比较详细。

具体而言，就是RSA加密算法是将servertime，nonce与账户密码链接，同时设置rsaPubkey和‘10001’（固定值）作为参数，进行RSA加密，现在执行的是这一版本。

RSA:

request["servertime"] = me.servertime;

request["nonce"] = me.nonce;

request["pwencode"] = "rsa2";

equest["rsakv"] = me.rsakv;

var RSAKey = new sinaSSOEncoder.RSAKey();

RSAKey.setPublic(me.rsaPubkey, '10001');

password = RSAKey.encrypt([me.servertime, me.nonce].join("\t") + "\n" + password);

WSSE加密算法曾经作为sp的加密算法，现在不采用，以后或许也会重新采用。具体行为就是两次SHA1加密password，然后加入servertime和nonce再SHA1加密一次。

WSSE:

request["servertime"] = me.servertime;

request["nonce"] = me.nonce;

request["pwencode"] = "wsse";

password=sinaSSOEncoder.hex_sha1(""sinaSSOEncoder.hex_sha1(sinaSSOEncoder.hex_sha1(password)) + me.servertime + me.nonce);

然后表单提交之后，会得到一个html文件（在HttpFox中查看Content内容）。

        <html>

        <head>

        <title>ÐÂÀËÍ¨ÐÐÖ¤</title>

        <meta http-equiv="refresh" content="0; url='http://weibo.com/sso/login.php?url=http%3A%2F%2Fweibo.com%2Fajaxlogin.php%3Fframelogin%3D1%26callback%3Dparent.sinaSSOController.feedBackUrlCallBack%26sudaref%3Dweibo.com&ticket=ST-NTA4MTk1MDkyMA==-1395726048-gz-E9A629068822EF01DD1427CA6D0C14D9&retcode=0'"/>

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

        </head>

        <body bgcolor="#ffffff" text="#000000" link="#0000cc" vlink="#551a8b" alink="#ff0000">

        <script type="text/javascript" language="javascript">

        location.replace("http://weibo.com/sso/login.php?url=http%3A%2F%2Fweibo.com%2Fajaxlogin.php%3Fframelogin%3D1%26callback%3Dparent.sinaSSOController.feedBackUrlCallBack%26sudaref%3Dweibo.com&ticket=ST-NTA4MTk1MDkyMA==-1395726048-gz-E9A629068822EF01DD1427CA6D0C14D9&retcode=0");

        </script>

        </body>

        </html>

重点在于

<script type="text/javascript" language="javascript">

        location.replace("http://weibo.com/sso/login.php?url=http%3A%2F%2Fweibo.com%2Fajaxlogin.php%3Fframelogin%3D1%26callback%3Dparent.sinaSSOController.feedBackUrlCallBack%26sudaref%3Dweibo.com&ticket=ST-NTA4MTk1MDkyMA==-1395726048-gz-E9A629068822EF01DD1427CA6D0C14D9&retcode=0");

        </script>

在location.replace中会有个URL地址。我们要抽取出这个URL。

注意:如果rectcode不为0，则表示到此为止一切步骤都正常执行。如果返回其他值，则表示执行错误，无法向下继续执行。

(3)这步在HttpFox中表现为Redirect to第二步抽取的URL，所以我们在Coding时，直接请求这个网址即可获得微博登陆权限。

(4)这步是做个示范，微博登录成功以后，即可访问新浪微博的URL了。

上述过程如果是用Java实现，使用HttpClient来访问URL，一定要注意，Login时，从头到尾只能使用一个HttpClient,因为HttpClient会保存一系列的cookie，如果new一个新的HttpClient，这些保存全部没有，访问无法进行。

第三四部，会涉及一系列的Cookies，可以使用Cookies来实现跳转。但是我没有具体分析。

Java实现模拟登录新浪微博的更多相关文章

测试开发Python培训：模拟登录新浪微博-技术篇
测试开发Python培训:模拟登录新浪微博-技术篇一般一个初学者项目的起点就是登陆功能的自动化,而面临的项目不同实现的技术难度是不一样的,poptest在做测试开发培训中更加关注技术难点,掌握技 ...
【Python3爬虫】最新的模拟登录新浪微博教程
一.写在前面首先呢,由于之前重装系统,又要重新配置环境,然后还有一些别的事,导致我一直没有写爬虫了,不过现在又可以继续写了. 然后我这次说的模拟登录新浪微博呢,不是使用Selenium模拟浏览器操作 ...
Java爬虫模拟登录——不给我毛概二的H某大学
你的账号访问太频繁,请一分钟之后再试! 从大一开始就用脚本在刷课在专业课踢的只剩下一门C#的情况下活活刷到一周的课大二开始教务系统多了一个非常**的操作退课池 and 访问频繁缓冲难道,我 ...
模拟登录新浪微博（Python) - 转
Update: 如果只是写个小爬虫,访问需要登录的页面,采用填入cookie 的方法吧,简单粗暴有效,详细见:http://www.douban.com/note/264976536/模拟登陆有时需要 ...
curl模拟登录新浪微博
这几天要做个获取新浪微博@我的信息, 又不用第三方登录,所以只能通过模拟登录来获取信息,研究的一下发现直接模拟登录微博比较困难,验证的算法比较复杂,于是绕道通过登录新浪通行证后来获取cookie 来 ...
【python网络编程】使用rsa加密算法模块模拟登录新浪微博
一.基础知识 http://blog.csdn.net/pi9nc/article/details/9734437 二.模拟登录因为上学期参加了一个大数据比赛,需要抓取数据,所以就想着写个爬虫抓取新 ...
Java爬虫——模拟登录知乎
登录界面,首先随意输入一个账号,登录查看发送表单的请求可以发现请求是Post : https://www.zhihu.com/login/phone_num 发送的表单是 _xsrf: passwo ...
模拟登录新浪微博（Python)
PC 登录新浪微博时, 在客户端用js预先对用户名.密码都进行了加密, 而且在POST之前会GET 一组参数,这也将作为POST_DATA 的一部分. 这样, 就不能用通常的那种简单方法来模拟POST ...
Android（Java）模拟登录知乎并抓取用户信息
前不久.看到一篇文章我用爬虫一天时间"偷了"知乎一百万用户.仅仅为证明PHP是世界上最好的语言,该文章中使用的登录方式是直接复制cookie到代码中,这里呢,我不以爬信息为目的.仅 ...

随机推荐

[C++] stack和queue的常用函数
参考资料: STL 在 OI 中的应用 stack stack 后入先出(LIFO)栈头文件: #include<stack> 定义: stack<int> s; 函数: 函 ...
容器内部设置JVM的Heap大小
容器内部利用脚本来获取容器的CGroup资源限制,并通过设置JVM的Heap大小. Docker1.7开始将容器cgroup信息挂载到容器中,所以应用可以从 /sys/fs/cgroup/memory ...
【题解】[HNOI2008]神奇的国度—BZOJ1006。
之前说顺着打BZOJ结果又被自己给鸽了qwq. ------------------------------------ 言归正传这道题应该怎么做. 先给大家普及一下弦图(连接环上俩个不相邻节点的边称 ...
resnet模型详细结构
resnet有5个stage,每个stage缩小一倍(即stride2).第1个stage是7*7个卷积大的缩小1倍,第2个stage是通过max-pooling缩小1倍,后面3个stage都是在各自 ...
【转】H.264 SVC
视频厂商POLYCOM,VIDYO和RADVISION等都推出H.264 SVC技术.针对H.264 SVC技术做个介绍. CISCO和POLYCOM都提供了免版税的H.264 SVC的版本. 其中o ...
Python2.7-xdrlib
xdrlib模块,用于打包和解包 xdr 数据.XDR 提供了一种与体系结构无关的表示数据,解决了数据字节排序的差异.数据字节大小.数据表示和数据对准的方式.使用XDR的应用程序,可以在异构硬件系统上 ...
JAVA框架 Spring 注解注入
一.首先需要引入jar包:spring-aop-4.2.4.RELEASE.jar.(在spring解压包libs内). 二.如果注解方式注入依赖的对象,需要引用新的约束. 内的:xsd-config ...
python json 解析
Encode过程,是把python对象转换成json对象的一个过程,常用的两个函数是dumps和dump函数. dic1 = {'type':'dic1','username':'loleina',' ...
人的一生为什么要努力 &1
2018-06-25
C语言中猴子吃桃问题
猴子吃桃问题:猴子第一天摘下若干个桃子,当即吃了一半,还不过瘾,又多吃了一个.第二天早上又将第一天剩下的桃子吃掉一半,有多吃了一个.以后每天早上都吃了前一天剩下的一半零一个.到第 10 天早上想再吃时 ...

Java实现模拟登录新浪微博

Java实现模拟登录新浪微博的更多相关文章

随机推荐

热门专题