知乎登陆

本是古典何须时尚 2022-05-15 23:52 464阅读 0赞

# 知乎登陆 #

@(博客)\[Python, 登陆, 知乎, 爬虫\]

### 文章目录 ###

*  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  
![这里写图片描述][70]

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][Link 1]

## 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 ##

![这里写图片描述][70 1]

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  
![这里写图片描述][70 2]  
![这里写图片描述][70 3]

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  
![这里写图片描述][70 4]

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  
![这里写图片描述][70 5]

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

![这里写图片描述][70 6]

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**）  
![这里写图片描述][70 7]

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**）  
![这里写图片描述][70 8]

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

for item in headers["Cookie"].split(";"):
    	print(item.split("=")[0])

![这里写图片描述][70 9]  
（**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  
![这里写图片描述][70 10]

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】）

![这里写图片描述][70 11]

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  
![这里写图片描述][70 12]

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**）  
![这里写图片描述][70 13]

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  
![这里写图片描述][70 14]

（**对应study/test3.py文件**）  
![这里写图片描述][70 15]

## 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**）

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  
![这里写图片描述][70 16]

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**  
![这里写图片描述][70 17]

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**  
![这里写图片描述][70 18]

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  
![这里写图片描述][70 19]

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  
![这里写图片描述][70 20]

添加代码如下

# 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  
![这里写图片描述][70 21]

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

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  
![这里写图片描述][70 22]

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  
![这里写图片描述][70 23]

以下是我代码的逻辑设计  
![这里写图片描述][70 24]

--------------------

因为完整代码已经上传[GitHub][]，有详细注释，就不在这细说了

[70]: /images/20220516/4b6375542ef2416f9377e7d4cb503db5.png
[Link 1]: https://github.com/pg7go/Zhihu-Login-QR
[70 1]: /images/20220516/f043c7c329c841a4bd120b8f60eb6edf.png
[70 2]: /images/20220516/b63dd40a407f445388a336e339d060ab.png
[70 3]: /images/20220516/68fd4222c0e14023a71c9fe74464ea1a.png
[70 4]: /images/20220516/d461ecb031a346c187f0f86afff05a46.png
[70 5]: /images/20220516/ecd5f85cc5e844e7bd92c194203dfd95.png
[70 6]: /images/20220516/48632839f78e4af7b20193f2834903ae.png
[70 7]: /images/20220516/cca4ef0f7f50423f98fec5ee2cd700bf.png
[70 8]: /images/20220516/938c62dce16d4f61abe94d8847d12056.png
[70 9]: /images/20220516/ffd1e7fce4ec4e04ba44285578e5e55f.png
[70 10]: /images/20220516/72d39102cdd4429fb6618ddb589c43b1.png
[70 11]: /images/20220516/172749f8a0c6451195e5a760059c857b.png
[70 12]: /images/20220516/6feaf4090e5b4d2d9ae1280798bc5010.png
[70 13]: /images/20220516/08cc8ecb04bf48fa827d7ef1866bf1db.png
[70 14]: /images/20220516/fbb6428cac2d4103b1d45a5750235484.png
[70 15]: /images/20220516/ef4a459992d14b98983c8332f6d01603.png
[70 16]: /images/20220516/1d7aa7e755904963b71c6d6cab384ee4.png
[70 17]: /images/20220516/8cdf1d697fdf4eb6bc91ef3182018f63.png
[70 18]: /images/20220516/3272c9ee0e044e01a8d13d76f41dcbf0.png
[70 19]: /images/20220516/dbb5105c67e341cea5c0bf1e46edd365.png
[70 20]: /images/20220516/e9b096ea8da34f45b630e8c5ba577f27.png
[70 21]: /images/20220516/45e12cdcefb64cd8963a33911a292497.png
[70 22]: /images/20220516/18db9680605344e2a8faed2699e04586.png
[70 23]: /images/20220516/a62383dd165540408651f970a5504b31.png
[70 24]: /images/20220516/d088fe61cf91442dac0edec69339d80f.png
[GitHub]: https://github.com/youguanxinqing/zhihu_login