Py学习  »  Python

Python爬虫-百度模拟登录(一)

Python爱好者社区 • 6 年前 • 712 次点击  

作者:星星在线    Python爱好者社区专栏作者
       简书地址:https://www.jianshu.com/u/680e0e38ddc9


前文传送门:

新浪微博PC端模拟登陆


千呼万唤shi出来呀,百度模拟登录终于要呈现在大家眼前了,最近比较忙,晚上又得早点休息,这篇文章写了好几天才完成。这个成功以后,我打算试试百度网盘的其他接口实现。看看能不能把服务器文件上传到网盘,好歹也有几T的空间。


登录百度


先清理浏览器缓存,打开Charles,登录一次百度主页,抓取到登录过程。



本来是想改一下写作的格式,美观一些,但是想了想,还是按照分析的顺序来写,这样有利于大家了解一种分析的思路。看过上一篇新浪微博PC端模拟登陆的应该知道,首先要找到登录的请求,一般为post,地址中有login



请求找到了,参数......,太TM多了。先观察一下参数,一般无序、随机、没有什么规则的参数有可能是变化参数,其他的一般都是固定参数。当然,也可以多次登录抓包,对比一下大概也能确定。那么我们确定一下变化的参数:token、tt(时间戳)、codestring、gid、password、verifycode(验证码)、rsakey、ppui_logintime、fp_uid、fp_info、dv、traceid


参数分析


确定了需要分析的参数,从哪个开始分析呢?随意吧



一般有些参数之间是有关系的,比如token的请求参数里需要gid参数



这里我就不一一去分析参数间的关系了,直接来了啊


参数 gid


一方面其他参数需要它,另外就是这个参数是完全由本地js生成的。先看一下这个参数



搜索一下这个值,没有。那么我们再来搜一下这个name,就是gid,之前说过我们一般是找xxx=这种,先来搜一下gid=



点击loginv4_9f3632a.js,然后在JavaScript页签搜索gid=



有好几个,我圈出了这个getqrcode?请求,为啥捏?看图,我们找到这个请求



看到请求里的gid值了吗?跟我们登录的gid是一样的,那就确定是这个地方了,gid=e.guideRandom,然后在这个脚本里搜一下guideRandom



然后翻译一下这个js,这......就自己去琢磨吧



参数 token


先搜索token的值



得到请求地址:https://passport.baidu.com/v2/api/?getapi&tpl=mn&apiver=v3&tt=1520951400830&class=login&gid=E8ED064-D480-4F3E-A5CE-BCF25F8DD1E2&loginversion=v4&logintype=dialogLogin&traceid=&callback=bd__cbs__6l1agx



就剩下callback,其他的请求里也需要callback这个



搜一下bd__cbs__,为啥要搜这个?这个真的很痛苦,callback搜出来一大片,而且没看出来什么有效数据,值又搜不到,那就搜一半吧,你问我为啥?第六感,不管你信不信,反正我是信了



其实呢,有好几个请求都有这个参数callback,然后我们观察这些callback的规律,基本就是这个bd__cbs__没变,所以可以搜一下它试试,搜到两个



分析一下这段代码,基本就是c.getUniqueId这个函数了,搜一下这个函数



oj8k,找到了,代码贴下面,为什么这么写?自己查js去,当然有更简单了pyv8或者psexecjs



Token这里我要再说一下,参数我们分析完了,你以为请求就成功了吗?



Oh!yeah,之前我们都是得到所有请求参数就访问成功了


就这里卡了我好长时间。那么碰到这种情况要从那几个点着手呢,首先我想到的是cookies



然后向上去找Set Cookie的地方



访问首页得到四个cookie值,H_PS_PSSID、BIDUPSID、PSTM、BAIDUID



这里又找到一个BDORZ,首页很简单,没有什么参数,



注意看这几个参数,就在上面四个cookies中,t是时间戳,参数都搞定了,那么Token的cookies也都搞定了,终于可以成功了,图样图森破,还是不行。MMP,cookies搞定都不行,我还有招,请求头!!!浏览器里直接拷过去,看你还想咋的



然鹅....,算你狠,不过我不会轻易认输的



调试他娘的,一遍一遍又一遍,两遍三遍四五遍,各种姿势都试了,终于高潮要来了,特么的请求不一样



先上图


浏览器的正常请求


程序发送的请求


看到不一样了吧,为什么呢?我们在用requests库的时候,get请求我比较习惯用.get(url, params=data),参数用params的方式传入,再来看一下Token请求的参数



getapi是空,那很明显

data = {  "getapi":"",  "tpl":"mn",
  ....
}
session.get(url, params=data)


然后发送的请求就是/v2/api/?getapi=&tpl=mn&....,实际上正常的请求是/v2/api/?getapi&tpl=mn&...,竟然还有这种操作,我真的是第一次碰到,改一下

data = {  "tpl":"mn",
  ...
}
url = ".../v2/api/?getapi&{}".format(urlencode(data))
session.get(url)


到这里才算OK了,最后总结了一下,请求的那个坑、请求头中的Referer、cookies,终于可以说一句OJ8K


参数 dv


为什么要先说这个dv,首先这个我没完全破解,另外就算你用固定值,也不影响结果,这个不能详细说,否则得好几帖子,我们先搜dv=



切换到javascript页签



我们可以搜一下dv_Input这个控件,它是没有的,我就不展示了,然后应该就是window.LG_DV_ARG了



这里有dvjsinput,上图我们也看到了这个,切换到javascript页签看一下



然后打开浏览器,清空缓存,打开隐身窗口,打开开发者工具,访问百度首页



观察一下dv值的特点,可以找一些比较有特色的部分搜一下,比如tk、@,这样尽量减少我们调试js的过程,因为真的很痛苦



在console里面执行一下这个计算,跟我们dv前面的值是不是类似,那就是它了,不管你是不是我都认为是。然后再搜一下@



刚才计算的Token+@+Ue(xx),这个肯定就是dv了,至于Ue嘛,我没搞定,不过发现没啥意义,写固定值也可以,也就不用费心去找这个了。





太多了,所以这里就分割一下,剩下的下一篇再继续



Python爱好者社区历史文章大合集

Python爱好者社区历史文章列表(每周append更新一次)

福利:文末扫码立刻关注公众号,“Python爱好者社区”开始学习Python课程

关注后在公众号内回复 课程即可获取

小编的Python入门视频课程!!!

崔老师爬虫实战案例免费学习视频。

丘老师数据科学入门指导免费学习视频。

陈老师数据分析报告制作免费学习视频。

玩转大数据分析!Spark2.X+Python 精华实战课程免费学习视频。

丘老师Python网络爬虫实战免费学习视频。



今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/RXaTeYXaPP
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/9147
 
712 次点击