這幾天一直在研究新浪微博的爬蟲，發現爬取微博的數據首先要登錄。本來打算是通過賬號和密碼模擬瀏覽器登錄。但是現在微博的登錄機制比較復雜。通過賬號密碼還沒有登錄成功QAQ。所以就先記錄下，通過cookie直接訪問自己的微博主頁。
微博登錄的認證過程
微博登錄的細節在其他的博客里已經有了詳細的介紹。大概就是用戶輸入賬號和密碼后與服務器產生幾次會話。若認證成功后，微博的服務器會返回給瀏覽器一個cookie。在之后訪問微博的其他內容時，通過發送這個cookie就能正常訪問微博了。所以用過cookie訪問微博，過程就簡化為了獲取cookie，然后通過程序模擬瀏覽器訪問微博首頁。
獲取微博的cookie
通過抓包軟件或瀏覽器自帶的調試工具都可以抓取網頁的cookie。本文使用的是火狐瀏覽器的HttpFox 插件來獲取微博的cookie。
1，打開微博首頁，打開HttpFox
2，輸入用戶名和密碼，勾選“記住我”，點擊登錄。點擊登錄后我們可以看到HttpFox下產生了很多的URL。進入主頁后在HTTPFox中找到你主頁對應的URL，如下圖：
點擊主頁的URL后，我們可以看見左下方的一些信息。包括“Headers”，“Cookies”等。
3，在“Headers”中可以看到有一條“Cookie”的信息。這個就是我們所需要的cookie了。點擊右鍵保存cookie。
至此，就獲取了我們登錄時所要的cookie了！
代碼實現
由於我們是直接通過cookie進行的登錄。所以少了很多認證的過程。直接使用HttpClient的相關包，帶上之前獲取的cookie就可以訪問個人首頁。獲取了首頁，我們就可以通過正則表達式來分析微博數據了。
import java.io.IOException; import java.net.URI; import java.net.URISyntaxException; import org.apache.http.HttpEntity; import org.apache.http.HttpResponse; import org.apache.http.client.ClientProtocolException; import org.apache.http.client.HttpClient; import org.apache.http.client.methods.HttpGet; import org.apache.http.client.methods.HttpPost; import org.apache.http.config.Registry; import org.apache.http.config.RegistryBuilder; import org.apache.http.cookie.CookieSpec; import org.apache.http.cookie.CookieSpecProvider; import org.apache.http.impl.client.BasicCookieStore; import org.apache.http.impl.client.HttpClients; import org.apache.http.impl.cookie.DefaultCookieSpec; import org.apache.http.message.BasicHeader; import org.apache.http.protocol.HttpContext; import org.apache.http.util.EntityUtils; /** * * * @author zkw * */ public class cookieLogin { private HttpClient client; private HttpPost post; private HttpGet get; private BasicCookieStore cookieStore; public cookieLogin() { //cookie策略，不設置會拒絕cookie rejected，設置策略保存cookie信息 cookieStore = new BasicCookieStore(); CookieSpecProvider myCookie = new CookieSpecProvider() { public CookieSpec create(HttpContext context) { return new DefaultCookieSpec(); } }; Registry<CookieSpecProvider> rg = RegistryBuilder.<CookieSpecProvider> create().register("myCookie", myCookie) .build(); client = HttpClients.custom().setDefaultCookieStore(cookieStore).setDefaultCookieSpecRegistry(rg).build(); get = new HttpGet(); post = new HttpPost(); } public void Login() throws ClientProtocolException, IOException, URISyntaxException { String LoginUrl = "你的微博主頁網址"; get.setURI(new URI(LoginUrl)); get.addHeader("Host", "weibo.com"); get.addHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:45.0) Gecko/20100101 Firefox/45.0"); get.addHeader("Accept", "*/*"); get.addHeader("Accept-Language", "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3"); get.addHeader("Accept-Encoding", "gzip, deflate"); get.addHeader("Referer", "http://weibo.com/"); get.addHeader(new BasicHeader("Cookie", "上述獲取的cookie值")); HttpResponse resp = client.execute(get); HttpEntity entity = resp.getEntity(); String cont = EntityUtils.toString(entity); System.out.println("獲取的微博內容:" + cont); } public HttpClient getClient() { return client; } public void setClient(HttpClient client) { this.client = client; } public HttpPost getPost() { return post; } public void setPost(HttpPost post) { this.post = post; } public HttpGet getGet() { return get; } public void setGet(HttpGet get) { this.get = get; } public BasicCookieStore getCookieStore() { return cookieStore; } public void setCookieStore(BasicCookieStore cookieStore) { this.cookieStore = cookieStore; } public static void main(String[] args) throws ClientProtocolException, IOException, URISyntaxException { new cookieLogin().Login(); } } 總結
通過cookie登錄微博是一種快捷方式，但是存在不少問題。所以博主還在研究微博賬號認證過程，希望過幾天能有所突破QAQ。