python爬蟲之新浪微博登錄

fiddler 之前了解了一些常見到的反爬措施，JS加密算是比較困難，而微博的登錄中正是用JS加密來反爬，今天來了解一下。

分析過程

首先我們去抓包，從登錄到微博首頁加載出來的過程。我們重點關注一下登錄操作，其次是首頁的請求，登錄一般是POST請求。我們搜索一下：

 得知登錄的url為https://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.19)，然后點擊WebForms菜單查看參數：

里面有很多參數要提交，一般的參數的值有3種情況：

1. 參數值固定。一般我們多次抓包發現某個參數值不變，就認為是固定的；
2. 參數值來自於之前服務器的響應。多次抓包發現參數值變化，此時我們可以把參數的值在fiddler中查找一下，看看能否在之前的響應中找到。例如這里的nonce、rsakv、servertime
3. 參數值來自於js生成。如果多次抓包參數的值既不是固定，也不能在之前的響應中找到，那么最可能的結果是這個參數的值是由js代碼生成。

我們在fiddler中查找nonce:

發現有一個前面的請求高亮了，說明這個參數之前就出現過。點擊這個請求，在響應里查找這個值：

可以找到這個參數，所以我們要想登錄，就得獲取nonce的值，而要獲取nonce的值，就要先請求這個找到的請求，這個請求的url為https://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=MTgzMTI0OTMxMDc%3D&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.19)&_=1533119627438，url中的su在后面會講到，最后那個參數看起來像時間戳，我們可以先用時間戳模擬一下。而servertime、rsakv等必須的參數也都可以在這個響應中找到。

現在我們解決了大部分參數的問題，但是有兩個難啃的骨頭：sp和su，這兩個值在之前的響應中找不到。而且我們會發現，我們登錄輸入的賬號和密碼沒有出現在這些參數中，我們大膽猜測：su和sp就是賬號和密碼！那么我們怎么找到它們的值呢。答案是找到相應的JS代碼，並用python重寫它。

現在我們的難題到了怎么定位這倆個值的JS代碼，我們之前學習Chrome調試的時候，學會了打斷點，這個地方正是用斷點的方式來找。我們每次登錄都要點擊頁面的“登錄”按鈕，我們在填寫完賬號密碼后，設置一個點擊事件的斷點，然后點擊登錄。這樣請求在進行登錄的時候會暫停，而su和sp參數也是這個時候被加密！

然后，我們用調試界面右上角的這些功能鍵進行逐步分析。

注意：一般只是賦值的操作，我們可以跳過，如果是函數的執行，我們要到函數里面去看，特別是函數的參數是攜帶重要參數，要重點關注。在控制台界面，我們還可以查看某些參數的值。

另外，如果退出某個函數后，光標仍在這一行，說明這一行還有個函數，切不可直接下一步，很多關鍵信息就在這個函數里。

微博登錄的JS定位過程就不細說了，我們最后定位到su和sp加密代碼如下：

即su是用base64進行了編碼，而sp是用rsa加密，我們把js代碼用python代碼實現即可。

目前，登錄的問題解決了。現在看看請求首頁的問題。我們逐個查看，可以知道首頁的請求如下：

url為https://weibo.com/u/6505689778/home?wvr=5&lf=reg，而這個url里有個6505689778，這個值我們在fiddler中查找，在請求https://passport.weibo.com/wbsso/login?ticket=ST-NjUwNTY4OTc3OA%3D%3D-1533119623-gz-0DEAF5775E6F1D983147B0B96EE915B9-1&ssosavestate=1564655623&callback=sinaSSOController.doCrossDomainCallBack&scriptId=ssoscript0&client=ssologin.js(v1.4.19)&_=1533119634900的響應里能找到它的。

而請求這個頁面，又要獲取參數ticket、ssosavestate的值，我們再次查找，可以知道這兩個值在另一個請求https://login.sina.com.cn/crossdomain2.php?action=login&entry=weibo&r=https%3A%2F%2Fpassport.weibo.com%2Fwbsso%2Flogin%3Fssosavestate%3D1564655623%26url%3Dhttps%253A%252F%252Fweibo.com%252Fajaxlogin.php%253Fframelogin%253D1%2526callback%253Dparent.sinaSSOController.feedBackUrlCallBack%2526sudaref%253Dweibo.com%26display%3D0%26ticket%3DST-NjUwNTY4OTc3OA%3D%3D-1533119623-gz-39B6B6D3D3979D6DA2860B54E4E61A01-1%26retcode%3D0&login_time=1533119622&sign=0db5e9f42ceb691c&sr=1536%2A864的響應里。

那么這個很長的url怎么來的呢，我們再次查找，可以得知它就在登錄之后響應里。

到了這里，步驟已經走通了！

我們理一下步驟：

1、先把賬號、密碼加密后的密文得到

2、請求https://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=MTgzMTI0OTMxMDc%3D&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.19)&_=1533119627438得到nonce、rsakv等參數

3、構造參數並請求登錄的url:https://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.19)，在響應里得到跳轉的url

4、請求跳轉的url:https://login.sina.com.cn/crossdomain2.php?action=login&entry=weibo&r=https%3A%2F%2Fpassport.weibo.com%2Fwbsso%2Flogin%3Fssosavestate%3D1564655623%26url%3Dhttps%253A%252F%252Fweibo.com%252Fajaxlogin.php%253Fframelogin%253D1%2526callback%253Dparent.sinaSSOController.feedBackUrlCallBack%2526sudaref%253Dweibo.com%26display%3D0%26ticket%3DST-NjUwNTY4OTc3OA%3D%3D-1533119623-gz-39B6B6D3D3979D6DA2860B54E4E61A01-1%26retcode%3D0&login_time=1533119622&sign=0db5e9f42ceb691c&sr=1536%2A864，得到ticket、ssosavestate參數的值

5、請求https://passport.weibo.com/wbsso/login?ticket=ST-NjUwNTY4OTc3OA%3D%3D-1533119623-gz-0DEAF5775E6F1D983147B0B96EE915B9-1&ssosavestate=1564655623&callback=sinaSSOController.doCrossDomainCallBack&scriptId=ssoscript0&client=ssologin.js(v1.4.19)&_=1533119634900得到uniqueid參數

6、請求首頁：https://weibo.com/u/6505689778/home?wvr=5&lf=reg

OK，至此，我們已成功登錄了微博，后面你要獲取微博上的數據，可以自行請求。

實現代碼

import requests
import rsa
import time
import re
import random
import urllib3
import base64
from urllib.parse import quote
from binascii import b2a_hex
urllib3.disable_warnings() # 取消警告

def get_timestamp():
    return int(time.time()*1000)  # 獲取13位時間戳

class WeiBo():
    def __init__(self,username,password):
        self.username = username
        self.password = password
        self.session = requests.session() #登錄用session
        self.session.headers={
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
        }
        self.session.verify = False  # 取消證書驗證

    def prelogin(self):
        '''預登錄，獲取一些必須的參數'''
        self.su = base64.b64encode(self.username.encode())  #閱讀js得知用戶名進行base64轉碼
        url = 'https://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su={}&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.19)&_={}'.format(quote(self.su),get_timestamp()) #注意su要進行quote轉碼
        response = self.session.get(url).content.decode()
        # print(response)
        self.nonce = re.findall(r'"nonce":"(.*?)"',response)[0]
        self.pubkey = re.findall(r'"pubkey":"(.*?)"',response)[0]
        self.rsakv = re.findall(r'"rsakv":"(.*?)"',response)[0]
        self.servertime = re.findall(r'"servertime":(.*?),',response)[0]
        return self.nonce,self.pubkey,self.rsakv,self.servertime

    def get_sp(self):
        '''用rsa對明文密碼進行加密，加密規則通過閱讀js代碼得知'''
        publickey = rsa.PublicKey(int(self.pubkey,16),int('10001',16))
        message = str(self.servertime) + '\t' + str(self.nonce) + '\n' + str(self.password)
        self.sp = rsa.encrypt(message.encode(),publickey)
        return b2a_hex(self.sp)

    def login(self):
        url = 'https://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.19)'
        data = {
        'entry': 'weibo',
        'gateway': '1',
        'from':'',
        'savestate': '7',
        'qrcode_flag': 'false',
        'useticket': '1',
        'pagerefer': 'https://login.sina.com.cn/crossdomain2.php?action=logout&r=https%3A%2F%2Fweibo.com%2Flogout.php%3Fbackurl%3D%252F',
        'vsnf': '1',
        'su': self.su,
        'service': 'miniblog',
        'servertime': str(int(self.servertime)+random.randint(1,20)),
        'nonce': self.nonce,
        'pwencode': 'rsa2',
        'rsakv': self.rsakv,
        'sp': self.get_sp(),
        'sr': '1536 * 864',
        'encoding': 'UTF - 8',
        'prelt': '35',
        'url': 'https://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',
        'returntype': 'META',
        }
        response = self.session.post(url,data=data,allow_redirects=False).text # 提交賬號密碼等參數
        redirect_url = re.findall(r'location.replace\("(.*?)"\);',response)[0] # 微博在提交數據后會跳轉，此處獲取跳轉的url
        result = self.session.get(redirect_url,allow_redirects=False).text  # 請求跳轉頁面
        ticket,ssosavestate = re.findall(r'ticket=(.*?)&ssosavestate=(.*?)"',result)[0] #獲取ticket和ssosavestate參數
        uid_url = 'https://passport.weibo.com/wbsso/login?ticket={}&ssosavestate={}&callback=sinaSSOController.doCrossDomainCallBack&scriptId=ssoscript0&client=ssologin.js(v1.4.19)&_={}'.format(ticket,ssosavestate,get_timestamp())
        data = self.session.get(uid_url).text #請求獲取uid
        uid = re.findall(r'"uniqueid":"(.*?)"',data)[0]
        print(uid)
        home_url = 'https://weibo.com/u/{}/home?wvr=5&lf=reg'.format(uid) #請求首頁
        html = self.session.get(home_url)
        html.encoding = 'utf-8'
        print(html.text)

    def main(self):
        self.prelogin()
        self.get_sp()
        self.login()

if __name__ == '__main__':
    username = 'xxxxxxxxx' # 微博賬號
    password = 'xxxxxxxxx' # 微博密碼
    weibo = WeiBo(username,password)
    weibo.main()

結果：