python模拟新浪微博登陆功能(新浪微博爬虫)

1、主函数（WeiboMain.py）：

复制代码 代码如下:
import urllib2
import cookielib

import WeiboEncode
import WeiboSearch

if __name__ == \’__main__\’:
    weiboLogin = WeiboLogin(\’×××@gmail.com\’, \’××××\’)#邮箱（账号）、密码
    if weiboLogin.Login() == True:
        print \”登陆成功！\”

前两个import是加载Python的网络编程模块，后面的import是加载另两个文件WeiboEncode.py和Weiboseach.py（稍后介绍）。主函数新建登陆对象，然后登陆。

2、WeiboLogin类（WeiboMain.py）：

复制代码 代码如下:
class WeiboLogin:
    def __init__(self, user, pwd, enableProxy = False):
        \”初始化WeiboLogin，enableProxy表示是否使用代理服务器，默认关闭\”

        print \”Initializing WeiboLogin…\”
        self.userName = user
        self.passWord = pwd
        self.enableProxy = enableProxy

        self.serverUrl = \”http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=&rsakt=mod&client=ssologin.js(v1.4.11)&_=1379834957683\”
        self.loginUrl = \”http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.11)\”
        self.postHeader = {\’User-Agent\’: \’Mozilla/5.0 (Windows NT 6.1; rv:24.0) Gecko/20100101 Firefox/24.0\’}

初始化函数，定义了两个关键的url成员：self.serverUrl用于登陆的第一步（获取servertime、nonce等），这里的第一步实质包含了解析新浪微博的登录过程的1和2；self.loginUrl用于第二步（加密用户和密码后，POST给该URL，self.postHeader是POST的头信息），这一步对应于解析新浪微博的登录过程的3。类内函数还有3个：

复制代码 代码如下:
def Login(self):
        \”登陆程序\” 
        self.EnableCookie(self.enableProxy)#cookie或代理服务器配置

        serverTime, nonce, pubkey, rsakv = self.GetServerTime()#登陆的第一步
        postData = WeiboEncode.PostEncode(self.userName, self.passWord, serverTime, nonce, pubkey, rsakv)#加密用户和密码
        print \”Post data length:\\n\”, len(postData)

        req = urllib2.Request(self.loginUrl, postData, self.postHeader)
        print \”Posting request…\”
        result = urllib2.urlopen(req)#登陆的第二步——解析新浪微博的登录过程中3
        text = result.read()
        try:
            loginUrl = WeiboSearch.sRedirectData(text)#解析重定位结果
              urllib2.urlopen(loginUrl)
        except:
            print \’Login error!\’
            return False

        print \’Login sucess!\’
        return True

self.EnableCookie用于设置cookie及代理服务器，网络上有很多免费的代理服务器，为防止新浪封IP，可以使用。然后使登陆的第一步，访问新浪服务器得到serverTime等信息，然后利用这些信息加密用户名和密码，构建POST请求；执行第二步，向self.loginUrl发送用户和密码，得到重定位信息后，解析得到最终跳转到的URL，打开该URL后，服务器自动将用户登陆信息写入cookie，登陆成功。

复制代码 代码如下:
def EnableCookie(self, enableProxy):
    \”Enable cookie & proxy (if needed).\”

    cookiejar = cookielib.LWPCookieJar()#建立cookie
    cookie_support = urllib2.HTTPCookieProcessor(cookiejar)

    if enableProxy:
        proxy_support = urllib2.ProxyHandler({\’http\’:\’http://xxxxx.pac\’})#使用代理
         opener = urllib2.build_opener(proxy_support, cookie_support, urllib2.HTTPHandler)
        print \”Proxy enabled\”
    else:
        opener = urllib2.build_opener(cookie_support, urllib2.HTTPHandler)

    urllib2.install_opener(opener)#构建cookie对应的opener

EnableCookie函数比较简单

复制代码 代码如下:
def GetServerTime(self):
    \”Get server time and nonce, which are used to encode the password\”

    print \”Getting server time and nonce…\”
    serverData = urllib2.urlopen(self.serverUrl).read()#得到网页内容
     print serverData

    try:
        serverTime, nonce, pubkey, rsakv = WeiboSearch.sServerData(serverData)#解析得到serverTime，nonce等
         return serverTime, nonce, pubkey, rsakv
    except:
        print \’Get server time & nonce error!\’
        return None

WeiboSearch文件中的函数主要用于解析从服务器得到的数据，比较简单。

3、sServerData函数（WeiboSearch.py）:

复制代码 代码如下:
import re
import json

def sServerData(serverData):
    \”Search the server time & nonce from server data\”

    p = re.compile(\’\\((.*)\\)\’)
    jsonData = p.search(serverData).group(1)
    data = json.loads(jsonData)
    serverTime = str(data[\’servertime\’])
    nonce = data[\’nonce\’]
    pubkey = data[\’pubkey\’]#
    rsakv = data[\’rsakv\’]#
    print \”Server time is:\”, serverTime
    print \”Nonce is:\”, nonce
    return serverTime, nonce, pubkey, rsakv

解析过程主要使用了正则表达式和JSON，这部分比较容易理解。另外Login中解析重定位结果部分函数也在这个文件中如下：

复制代码 代码如下:
def sRedirectData(text):
    p = re.compile(\’location\\.replace\\([\\\’\”](.*?)[\\\’\”]\\)\’)
    loginUrl = p.search(text).group(1)
    print \’loginUrl:\’,loginUrl
    return loginUrl

4、从第一步到第二步要对用户和密码进行加密，编码操作（WeiboEncode.py）

复制代码 代码如下:
import urllib
import base64
import rsa
import binascii

def PostEncode(userName, passWord, serverTime, nonce, pubkey, rsakv):
    \”Used to generate POST data\”

    encodedUserName = GetUserName(userName)#用户名使用base64加密
     encodedPassWord = get_pwd(passWord, serverTime, nonce, pubkey)#目前密码采用rsa加密
     postPara = {
        \’entry\’: \’weibo\’,
        \’gateway\’: \’1\’,
        \’from\’: \’\’,
        \’savestate\’: \’7\’,
        \’userticket\’: \’1\’,
        \’ssosimplelogin\’: \’1\’,
        \’vsnf\’: \’1\’,
        \’vsnval\’: \’\’,
        \’su\’: encodedUserName,
        \’service\’: \’miniblog\’,
        \’servertime\’: serverTime,
        \’nonce\’: nonce,
        \’pwencode\’: \’rsa2\’,
        \’sp\’: encodedPassWord,
        \’encoding\’: \’UTF-8\’,
        \’prelt\’: \’115\’,
        \’rsakv\’: rsakv,    
        \’url\’: \’http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack\’,
        \’returntype\’: \’META\’
    }
    postData = urllib.urlencode(postPara)#网络编码
    return postData

PostEncode函数构建POST的消息体，要求构建得到内容与真正登陆所需的信息相同。难点在用户名和密码的加密方式：

复制代码 代码如下:
def GetUserName(userName):
    \”Used to encode user name\”

    userNameTemp = urllib.quote(userName)
    userNameEncoded = base64.encodestring(userNameTemp)[:-1]
    return userNameEncoded

def get_pwd(password, servertime, nonce, pubkey):
    rsaPublickey = int(pubkey, 16)
    key = rsa.PublicKey(rsaPublickey, 65537) #创建公钥
    message = str(servertime) + \’\\t\’ + str(nonce) + \’\\n\’ + str(password) #拼接明文js加密文件中得到
    passwd = rsa.encrypt(message, key) #加密
    passwd = binascii.b2a_hex(passwd) #将加密信息转换为16进制。
    return passwd

新浪登录过程，密码的加密方式原来是SHA1，现在变为了RSA，以后可能还会变化，但是各种加密算法在Python中都有对应的实现，只要发现它的加密方式（），程序比较易于实现。

到这里，Python模拟登陆新浪微博就成功了，运行输出：

复制代码 代码如下:
loginUrl: http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&ssosavestate=1390390056&ticket=ST-MzQ4NzQ5NTYyMA==-1387798056-xd-284624BFC19FE242BBAE2C39FB3A8CA8&retcode=0
Login sucess!

果需要爬取微博中的信息，接下来只需要在Main函数后添加爬取、解析模块就可以了，比如读取某微博网页的内容：

复制代码 代码如下:
htmlContent = urllib2.urlopen(myurl).read()#得到myurl网页的所有内容(html)

大家可以根据不同的需求设计不同的爬虫模块了，模拟登陆的代码放在这里。