摘要：當(dāng)我們?cè)噲D從新浪微博抓取數(shù)據(jù)時(shí)，我們會(huì)發(fā)現(xiàn)網(wǎng)頁(yè)上提示未登錄，無(wú)法查看其他用戶的信息。三模擬登錄下面將介紹使用獲取新浪微博，然后使用提交從而實(shí)現(xiàn)模擬登錄。

當(dāng)我們?cè)噲D從新浪微博抓取數(shù)據(jù)時(shí)，我們會(huì)發(fā)現(xiàn)網(wǎng)頁(yè)上提示未登錄，無(wú)法查看其他用戶的信息。模擬登錄是定向爬蟲(chóng)制作中一個(gè)必須克服的問(wèn)題，只有這樣才能爬取到更多的內(nèi)容。

實(shí)現(xiàn)微博登錄的方法有很多，一般我們?cè)谀M登錄時(shí)首選WAP版。

因?yàn)镻C版網(wǎng)頁(yè)源碼中包括很多的js代碼，提交的內(nèi)容也更多，不適合機(jī)器模擬登錄。

我們實(shí)現(xiàn)微博登錄的大體思路是這樣的：

用抓包工具把正常登錄時(shí)要提交的字段都記錄下來(lái);

模擬提交這些字段;

判斷是否登錄成功;

原理很簡(jiǎn)單，讓我們一步一步來(lái)實(shí)現(xiàn)吧。

一.抓包利器Fiddler

在電腦和互聯(lián)網(wǎng)之間的通信是通過(guò)不同的數(shù)據(jù)包收發(fā)來(lái)實(shí)現(xiàn)的。

Fiddler可以從中間對(duì)數(shù)據(jù)進(jìn)行攔截，拷貝一份數(shù)據(jù)以后再將數(shù)據(jù)發(fā)送給目的端。(這也是為什么說(shuō)咖啡館的公共WIFI不安全的原因)

同類的還有WireShark。為何這兒不用WireShark呢？

Wireshark太過(guò)于專業(yè)了，它可以實(shí)現(xiàn)抓取各種包，抓下來(lái)的包也很亂，針對(duì)性沒(méi)Fiddler那么強(qiáng)。

下載安裝

　　1.下載地址：http://www.telerik.com/fiddler

　　2.安裝方法：fiddler依賴.Net環(huán)境，如果已經(jīng)有則無(wú)需配置，直接點(diǎn)擊下一步就行。

使用方法

　　1.啟動(dòng)Fiddler

　　2.配置Fiddler

　　　　點(diǎn)擊左上角的“ WinConfig”，找到你使用的瀏覽器并勾選，點(diǎn)擊“Save Changes”

　　3.使用Fiddler開(kāi)始抓包

　　　　打開(kāi)瀏覽器訪問(wèn)WAP版新浪微博網(wǎng)站weibo.cn

　　　　Fiddler窗口左側(cè)找到weibo.cn /pub/的數(shù)據(jù)包，并雙擊，這時(shí)我們就能夠在右側(cè)看到抓取到的信息.

　　　 找到Cookies字段，這正是我們需要的.
　　　
　　　

二.Cookies與保持登錄

關(guān)于Cookies

　　　　維基百科是這樣解釋的：

Cookie（復(fù)數(shù)形態(tài)Cookies），中文名稱為“小型文本文件”或“小甜餅”，指某些網(wǎng)站為了辨別用戶身份而儲(chǔ)存在用戶本地終端（Client Side）上的數(shù)據(jù)（通常經(jīng)過(guò)加密）。

通俗來(lái)說(shuō)就是服務(wù)器端為了確認(rèn)用戶終端的身份而設(shè)定的一種加密標(biāo)識(shí)，它是存儲(chǔ)在本地終端上的。

當(dāng)然，隨著Cookies技術(shù)的發(fā)展，Cookies的作用已經(jīng)不止于用戶身份標(biāo)識(shí)。

當(dāng)?shù)顷懸粋€(gè)網(wǎng)站時(shí)，網(wǎng)站往往會(huì)請(qǐng)求用戶輸入用戶名和密碼，并且用戶可以勾選“下次自動(dòng)登錄”。

如果勾選了，那么下次訪問(wèn)同一個(gè)網(wǎng)站時(shí)，用戶會(huì)發(fā)現(xiàn)沒(méi)輸入用戶名和密碼就已經(jīng)登錄了。

這正是因?yàn)榍耙淮蔚顷憰r(shí)服務(wù)器發(fā)送了包含登錄憑據(jù)（用戶名+密碼的某種加密形式）的Cookie到用戶的硬盤上。

第二次登錄時(shí)，如果該Cookies尚未到期，瀏覽器會(huì)發(fā)送該Cookies，服務(wù)器驗(yàn)證憑據(jù)，于是不必輸入用戶名和密碼就讓用戶登錄了。

三.Cookies模擬登錄

下面將介紹使用 Fiddler 獲取新浪微博 Cookies，然后使用 Requests 提交 Cookies 從而實(shí)現(xiàn)模擬登錄。

抓取登錄數(shù)據(jù)包

　　　　使用Fiddler抓取數(shù)據(jù)包.

獲取Cookies

　　　　打開(kāi)新浪微博WAP版頁(yè)面（weibo.cn），點(diǎn)擊登錄，然后填寫(xiě)賬號(hào)密碼，勾選“記住登錄狀態(tài)”，切記要勾選此項(xiàng).

登錄成功后，從Fiddler中選擇最新的那個(gè)weibo.cn，然后復(fù)制Cookies字段的內(nèi)容，填寫(xiě)到代碼內(nèi).

代碼如下：

#!/usr/bin/env python
#coding=utf8
 
 
"""
在學(xué)習(xí)過(guò)程中有什么不懂得可以加我的python學(xué)習(xí)交流扣扣qun，934109170
群里有不錯(cuò)的學(xué)習(xí)教程、開(kāi)發(fā)工具與電子書(shū)籍。
與你分享python企業(yè)當(dāng)下人才需求及怎么從零基礎(chǔ)學(xué)習(xí)好python，和學(xué)習(xí)什么內(nèi)容。
"""
 
import urllib2
import re
 
# get your cookie from Fiddler11
cookie = "your-cookie"
headers = {
   "User-Agent": "Mozilla/5.0 (Windows NT 6.1; rv:24.0) Gecko/20100101 Firefox/24.0",
   "cookie": cookie
}
 
def visit():
   url = "http://weibo.com"
   req = urllib2.Request(url, headers=headers)
   text = urllib2.urlopen(req).read()
 
# print the title, check if you login to weibo sucessfully
   pat_title = re.compile("")
   r = pat_title.search(text)
   if r:
       print(r.group(1))
 
if __name__ == "__main__":
   visit() 

四.使用 Post 提交數(shù)據(jù)的方法實(shí)現(xiàn)模擬登錄
由于使用Cookies登錄存在很多的弊端，一般我們都使用Post提交數(shù)據(jù)的方法來(lái)實(shí)現(xiàn)模擬登錄.

通過(guò)Fiddler來(lái)抓取http數(shù)據(jù)包來(lái)分析該網(wǎng)站的登錄流程；
分析抓到的post包的數(shù)據(jù)結(jié)構(gòu)和header，要根據(jù)提交的數(shù)據(jù)結(jié)構(gòu)和heander來(lái)構(gòu)造自己的post數(shù)據(jù)和header；
構(gòu)造自己的HTTP數(shù)據(jù)包，并發(fā)送給指定url；
通過(guò)urllib2等幾個(gè)模塊提供的API來(lái)實(shí)現(xiàn)request請(qǐng)求的發(fā)送和相應(yīng)的接收；
?大部分網(wǎng)站登錄時(shí)需要攜帶cookie，所以我們還必須設(shè)置cookie處理器來(lái)保證cookie.

notice:如果遇到登錄后網(wǎng)站重定向到其他url這種情況，我們可以使用chrome的審查元素功能找出重定向后的網(wǎng)站url和該網(wǎng)站的提交數(shù)據(jù)，再次使用post方法就行.

?代碼如下：

import HTMLParser  
import urlparse  
import urllib  
import urllib2  
import cookielib  
import string  
import re  
 
#登錄的主頁(yè)面  
hosturl = "******" //自己填寫(xiě)  
#post數(shù)據(jù)接收和處理的頁(yè)面（我們要向這個(gè)頁(yè)面發(fā)送我們構(gòu)造的Post數(shù)據(jù)）  
posturl = "******" //從數(shù)據(jù)包中分析出，處理post請(qǐng)求的url  
 
#設(shè)置一個(gè)cookie處理器，它負(fù)責(zé)從服務(wù)器下載cookie到本地，并且在發(fā)送請(qǐng)求時(shí)帶上本地的cookie  
cj = cookielib.LWPCookieJar()  
cookie_support = urllib2.HTTPCookieProcessor(cj)  
opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)  
urllib2.install_opener(opener)  
 
#打開(kāi)登錄主頁(yè)面（他的目的是從頁(yè)面下載cookie，這樣我們?cè)谠偎蚿ost數(shù)據(jù)時(shí)就有cookie了，否則發(fā)送不成功）  
h = urllib2.urlopen(hosturl)  
 
#構(gòu)造header，一般header至少要包含一下兩項(xiàng)。這兩項(xiàng)是從抓到的包里分析得出的。  
headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:14.0) Gecko/20100101 Firefox/14.0.1",  
          "Referer" : "******"}  
#構(gòu)造Post數(shù)據(jù)，他也是從抓大的包里分析得出的。  
postData = {"op" : "dmlogin",  
           "f" : "st",  
           "user" : "******", //你的用戶名  
           "pass" : "******", //你的密碼
           "rmbr" : "true",   //特有數(shù)據(jù)，不同網(wǎng)站可能不同  
           "tmp" : "0.7306424454308195"  //特有數(shù)據(jù)，不同網(wǎng)站可能不同  
           }  
 
#需要給Post數(shù)據(jù)編碼  
postData = urllib.urlencode(postData)  
 
#通過(guò)urllib2提供的request方法來(lái)向指定Url發(fā)送我們構(gòu)造的數(shù)據(jù)，并完成登錄過(guò)程  
request = urllib2.Request(posturl, postData, headers)  
print request  
response = urllib2.urlopen(request)  
text = response.read()  
print text