知乎登陆[通俗易懂]

2022-09-20 13:41:26 浏览数 (1)

大家好，又见面了，我是你们的朋友全栈君。

知乎登陆

@(博客)[Python, 登陆, 知乎, 爬虫]

  • 知乎登陆
    • 背景
    • 题外话
    • 环境
    • 寻找切入点
    • 问题的转移1
    • 问题的转移2
    • 继续撸
    • 开始代码
    • 完善代码

018.8.12

背景

因为学年综合实践准备的一部分需要爬取知乎全站，所以为了方便，自动登陆是很有必要的。而由于许多学习爬虫的各友，都爱拿知乎练手——其实我倒非然，这算是第一次对知乎“开战”，是客观因素导致的必然——以至于知乎加强了反扒机制

我爬虫经验有限，实在不知该对这样的加密如何下手，一番搜索引擎之后，得到的都是过期操作。Github上找到了通过二维码扫描登陆的思路，那就以此宣战吧。

也在此感谢这名网友的无私奉献，点击可查看

题外话

说句题外话：切不可以惯性思维

另：完整代码已上传Github，文章末尾有链接。里边的study文件是我整个思考过程中产生的测试代码，如果只是需要实现知乎登陆，则study文件可以直接删除

环境

（1）python3.6 （2）主要第三方库： – requests – PIL：pip3 install -i https://pypi.douban.com/simple/ pillow 利用豆瓣源，加快下载速度，因为直接安装可能会出现timeout的错误

（3）chrome

寻找切入点

第一步肯定是先来到知乎提供二维码登陆的界面，利用开发工具，可查看请求这个二维码图片需要那些数据

能看到是get请求，headers也很寻常，但多次刷新可发现请求的url地址有一部分在改变

这肯定算不上什么难点，我们寻找前面的文件，能找到这部分动态改变的值

为了方便阐述，那就把image称之为A文件，qrcode成为B文件。这里就有了一个思路，先请求B文件，拿到token值以后，拼接成目的url，再去请求A文件

问题的转移1

于是我们从A迁移到了B

可见请求B文件的时候，headers字段是真的很多，但绝对不会所有都必要，这只能排除法了

以我拙见是这样处理的，首先看清楚了，是POST请求（从爬虫到现在也几个月了，还是爬了不少网站，真的不提交数据用post请求的，我第一次见，所以之前一直是惯性思维的用get，然后一直请求失败， 所以各位入门爬虫的注意了，千万注意了别掉坑里）

复制了所有headers，做一次post的请求，再看看状态码是不是201（为了避免请求被重定向，建议打印请求内容，或者关闭重定向，后面皆以打印内充处理不再单独提示）（对应study/test1.py文件）

可以说很OK，然后就开始排除法，首先去掉的是最常用不到的噻。通过几轮排除下来，发现Cookie和User-Agent是必要的，既然需要用到cookie，我们就得维持会话，所以要实例化一个session对象了，实现如下： session = requests.session()

顺便也把Cookie分解了，看看需要哪些内容

代码语言：javascript复制
for item in headers["Cookie"].split(";"):
    print(item.split("=")[0])

（这些很重要，可得记住了）

问题的转移2

那么如何让session对象持有完整的cookie呢？

我们回到最初的起点，再来分析一下完整的过程

打开开发者工具，刷新页面，然后点击二维码登陆（当然，这里建议你清除一下cookies，最好选择【高级】而不是【基本】）

我们可以看到第一次请求登陆界面的时候，请求是不带cookies的；而请求之后，按照响应体的要求，会设置对应的_xsrf，_zap，tgw_17。前面我们知道需要6个，这里才三个肯定是不够的，所以继续找signin后面的文件，看看到底有什么猫腻在里头

于是在udid这个文件中，你会发现响应体要求设置q_c1，d_c0；也就是说，在成功请求这个文件之后，Cookie就包含这两个部分了

照例复制下完整的headers，找到请求的url，以及请求方式（注意了！这里也是post），最后排除法，找到必要的部分（对应study/test2.py文件）

仍然是Cookie以及User-Agent

继续撸

还不够，现在我们的cookies还差capsion_ticket部分，所以继续撸

于是找到了captcha?lang=cn文件，它的响应体告诉浏览器，可以设置capsion_ticket了

（对应study/test3.py文件）

开始代码

有了这波分析，我们就可以开始动手敲代码了

（对应studyget-qrcode.py文件）

代码语言：javascript复制
import requests


session = requests.session()

HEADERS = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36  (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'
}

# 第一次请求，为了Cookie(_xsrf，_zap，tgw_17)
session.get(url="https://www.zhihu.com/signin", headers=HEADERS)
# 第二次请求，为了Cookie(q_c1，d_c0)
session.post(url="https://www.zhihu.com/udid", headers=HEADERS)
# 第三次请求，为了Cookie(capsion_ticket)
session.get(url="https://www.zhihu.com/api/v3/oauth/captcha?lang=cn", headers=HEADERS)
# 第四次请求，为了token，用于构建二维码图片的请求链接
response = session.post(url="https://www.zhihu.com/api/v3/account/api/login/qrcode", headers=HEADERS)
# print(response.json())

# 第五次请求，为了二维码图片
url4QR = "https://www.zhihu.com/api/v3/account/api/login/qrcode/{0}/image".format(response.json().get("token"))

response = session.get(url=url4QR, headers=HEADERS)
if response.status_code == 200:
    with open("qr.jpg", "wb") as file:
        file.write(response.content)
    print("【保存二维码成功】")
else:
    print("【请求二维码图片错误】")

运行结果如下

这时候以为扫描二维码就登陆成功了吗？然而没有 我们扫描一下网页的二维码登陆一下试试，会发现在手机上点击确认登陆以后，请求知乎www.zhihu.com网页的时候，Cookie又多了一个z_c0

晕！但是扶住墙，老规矩。可以看到距离知乎首页文件最近的一个scan_info文件，说了要设置z_c0

于是在我们扫描二维码之后，应该先请求这个文件，再请求首页文件；查看请求的url，也能发现，这个文件也有一部分是动态的，而且正是之前获取的token

为了确保我们成功登陆，可测试编辑页面，因为这个页面只有在登陆成功后可以访问，不然就会被重定向到登陆页面去

添加代码如下

代码语言：javascript复制
# 阻塞程序，给予用户扫描二维码的时间
input("请随便输入后回车")

# 请求scan_info文件，并打印状态码
print(session.get("https://www.zhihu.com/api/v3/account/api/login/qrcode/{0}/scan_info".format(token), headers=HEADERS).status_code)

# 请求编辑页面
response = session.get("https://www.zhihu.com/people/edit", headers=HEADERS, allow_redirects=False)
if response.status_code == 200:
    print("登陆成功")

    print(response.text[:10000])

嗯，写到这儿的时候，宿舍断网了，于是我打开手机热点准备测试代码（之所以要说这个细节，因为我不确实是不是因为使用的手机热点，才造成了后面的错误），结果第一次请求的时候报了如下错

其实关闭SSL验证就好，加上参数verify=False，加了这个参数以后会报InsecureRequestWarning警告，我的处理方式是关闭这个警告。加上如下代码即可

代码语言：javascript复制
from requests.packages import urllib3
from requests.packages.urllib3.exceptions import InsecureRequestWarning

urllib3.disable_warnings(InsecureRequestWarning)

好了，测试代码吧。效果如下

成功

华丽的分割线—————————————————————————

今天起来测试过了，的确是因为使用手机热点才造成SLLError。不过我认为也可以加上之前的处理措施，避免因此出错

完善代码

现在基本功能实现了，但不够完善 – 比如难道用户每次使用都要登陆？我们可以设置本地cookies，这样就可以等cookies失效之后再登陆 – 比如难道每次用户都要手动去打开二维码图片？我们可以利用PIL库来实现图片自动打开

以下是我程序的整体逻辑设计

以下是我代码的逻辑设计

因为完整代码已经上传GitHub，有详细注释，就不在这细说了

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/167277.html原文链接：https://javaforall.cn

爬虫 html php python https

0 人点赞