Python：黑板课爬虫闯关第三关

第三关开始才算是进入正题了。

输入网址 http://www.heibanke.com/lesson/crawler_ex02/，直接跳转到了 http://www.heibanke.com/accounts/login/?next=/lesson/crawler_ex02/，显示如下

仔细看一下这个网址，显然，这是一个登陆网址，next参数应该是登录成功后跳转网页的地址。注册登录后，显示第三关：

　　首先可以肯定的是，必须要先登录，并保持登录状态，否则是爬不过关的。界面提示有两层保护，这应该就是第一层。

　　先注册了一个账号，然后用代码尝试登录，post 用户名密码之后，print 一下响应的 html，发现并不是我看到的第三关的内容，说明登录没有成功。看一下里面有一句话：You are seeing this message because this site requires a CSRF cookie when submitting forms. This cookie is required for security reasons, to ensure that your browser is not being hijacked by third parties.

　　简单的说，就是为了防止CSRF攻击（其实就是黑板课设的障碍），需要一个cookie。

　　退出登录，回到登录界面，打开开发者工具（我用的是谷歌浏览器），追踪一下网络请求，发现登录的时候，除了用户名密码，还有一个 csrfmiddlewaretoken 参数，而 csrfmiddlewaretoken 参数来自于 cookie 中的 csrftoken。

先 get 一下登录页面，从返回的 session 中获取 cookie 值中获取 csrftoken 值，连同用户名密码一起 post，print 响应的 html，结果正确。

然后就是跟第二关一样，暴力破解密码了。保险起见，也追踪了下请求，发现机制跟登录是一样的，也需要csrfmiddlewaretoken 参数，一样处理就好了。

这样思路就理清了，每次 post 用户名密码之前，先 get 请求一下，从服务器发给你的 cookie 中获取 csrftoken 的值作为 post 时的 csrfmiddlewaretoken 参数即可。

代码如下：

import re
import requests
import time

def main():
    url_login = 'http://www.heibanke.com/accounts/login/?next=/lesson/crawler_ex02/'
    url = 'http://www.heibanke.com/lesson/crawler_ex02/'
    session = requests.Session()
    # 获取cookie
    session.get(url_login)
    token = session.cookies['csrftoken']
    # 登录
    session.post(url_login, data={'csrfmiddlewaretoken': token, 'username': '', 'password': ''})
    for psd in range(30):
        print(f'test password {psd}')
        session.get(url)
        token = session.cookies['csrftoken']
        r = session.post(url, data={'csrfmiddlewaretoken': token, 'username': 'aa', 'password': psd})
        html = r.text
        if '密码错误' not in html:
            m = re.search('(?<=\<h3\>).*?(?=\</h3\>)', html)
            print(m.group())
            m = re.search('(\<).*?href="([^"]*?)".*?(\>下一关\</a\>)', html)
            print(f'下一关 http://www.heibanke.com{m.group(2)}')
            return
        else:
            time.sleep(1)

if __name__ == '__main__':
    main()