【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，毕竟Selenium的效率是真的有些低，所以我选择用Python发送请求实现模拟登录，整个过程还算是有点小曲折吧。

二、开发环境

Windows10 + Python3.7 + Pycharm + Fiddler

三、页面分析

首先打开新浪微博，网址为：https://weibo.com/，这里我们只需要关注登录这一部分，如下图：

这样看是看不出来东西的，打开开发者工具，刷新一下页面，找找看有没有什么可疑的东西，然后就能找到下面这个包：

看到prelogin就能猜到应该是和登录有关的了，于是点击“Preview”查看具体内容：

到这里还是什么都看不出来，也不知道这些数据有什么用。这时候Fiddler就能派上用场了，首先打开Fiddler，然后在网页上输入用户名和密码并登录新浪微博，登录成功之后在Fiddler中找寻相关信息，可以找到下面这个url：

https://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.19)

点开之后可以看到携带了很多参数：

在这些参数中，我们需要关注的参数为：su，sp，servertime，nonce，pubkey，rsakv。其中su是用户名加密后的结果，sp是密码加密后的结果，servertime是一个时间戳，而剩余三个参数都来源于我们前面找到的prelogin.php。那么现在的问题就在于用户名和密码是怎么加密的？

四、加密规则

首先还是找到prelogin.php，在它携带的参数中看到有一个ssologin.js，猜测它可能和加密规则有关系，所以找一下这个ssologin.js。

这里需要打开新浪的登录页面：https://login.sina.com.cn/，然后右键查看源码，再搜索“ssologin.js”，就能找到这个js文件了：

https://passport.sinaimg.cn/js/sso/ssologin.js

打开之后搜索“username”，就能找到加密规则了，如下图（红框框出来的分别是用户名加密规则和密码加密规则）：

用户名的加密是很简单的，使用base64加密就行了。但是对于密码的加密有一些复杂，虽然有if和else，但其实这里我们只需要看if部分：

  request.servertime = me.servertime;
  request.nonce = me.nonce;
  request.pwencode = "rsa2";
  request.rsakv = me.rsakv;
  var RSAKey = new sinaSSOEncoder.RSAKey();
  RSAKey.setPublic(me.rsaPubkey, "10001");
  password = RSAKey.encrypt([me.servertime, me.nonce].join("\t") + "\n" + password)

密码的加密过程为：首先创建一个rsa公钥，公钥的两个参数都是固定值，第一个参数是prelogin.php中的pubkey，第二个参数是加密的ssologin.js文件中指定的10001，这两个值需要先从16进制转换成10进制，其中10001转成十进制为65537。最后再加入servertime时间戳和nonce字段，以及一个“\t”和一个"\n"进行进一步加密。

五、主要代码

由于使用了rsa加密，所以需要使用导入rsa模块，没有安装的可以使用pip install rsa进行安装。

这里主要说一下加密用户名和密码部分的代码：

# Base64加密用户名
def encode_username(usr):
    return base64.b64encode(usr.encode('utf-8'))[:-1]

需要注意的是要使用base64加密，需要先转换成字节型数据，而且加密之后末尾会多一个"\n"，因此需要用[:-1]来去掉多余字符。

# RSA加密密码
def encode_password(code_str):
    pub_key = rsa.PublicKey(int(pubkey, 16), 65537)
    crypto = rsa.encrypt(code_str.encode('utf8'), pub_key)
    return binascii.b2a_hex(crypto)  # 转换成16进制

在加密密码的时候传入的这个code_str参数就是servertime + '\t' + nonce + '\n' + password得到的结果，而在整个加密过程完成之后要转换成16进制再返回。

但是做了这两步之后并没有真的登录微博，还需要提取链接并进行跳转，不过对于我们来说做到这一步就已经够了，我们只需要保存此时的Cookie就行了，为了验证这个Cookie是否有效，我还写了一段代码进行测试，这里就不放出来了。

完整代码已上传到GitHub！