requests_模拟登录知乎

如何登录知乎？

　　首先要分析，进行知乎验证的时候，知乎服务器需要我们提交什么数据，提交的地址。先进行几次登录尝试，通过浏览器中network中查看数据流得知，模拟登录知乎需要提供5个数据，分别是_xsrf、password、captcha_type、captcha、phone_num，这个是手机号码进行验证登录，提交地址 https://www.zhihu.com/login/phone_num ，那，开始获取这些个数据，其中那个图片验证码是最难得，通过第三方插件zheye进行验证码解析，就可以解决问题

如何做？

　　1. 请求知乎登录页面，并解析获得_xsrf值

　　2. 请求验证码url获得验证码图片，交个zheye解析出结果并拼接出知乎想要的captcha值

　　3. 从知乎验证提交表单中获取captcha_type的值，并获取表单提交地址

　　4. captcha_type、password 对应用户名和密码

　　5. 提交数据，获取返回的response，通过判断response数据获取是否登录成功

#!/usr/bin/python3

__author__ = 'beimenchuixue'
__blog__ = 'http://www.cnblogs.com/2bjiujiu/'

import requests
import re
import json
from time import sleep
from random import choice, randint
from zhihu_yanzheng.zheye import zheye

headers = {
    'pragma': 'no-cache',
    'Referer': 'https://www.zhihu.com/signin',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'
}
# 生成全局的session值
session = requests.session()


def random_sleep():
    # 随机暂停，模拟人访问
    while choice([0, 1]):
        sleep(choice([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8]))


def get_xsrf():
    """
    获取知乎页面_xsrf的值
    :param url:
    :return:
    """
    zhihu_url = 'https://www.zhihu.com/signin'
    # 建立映射，增加程序的可阅读性
    xsrf_value = 1
    while True:
        
        random_sleep()
        
        resp = session.get(zhihu_url, headers=headers)
        # 检查是否返回正确
        resp.raise_for_status()
        # 设置网页编码
        resp.encoding = resp.apparent_encoding
        # 获取_xsrfde值
        _xsrf = re.match(r'.*name="_xsrf" value="(.*?)"', re.sub(r'[\r\t\n]', '', resp.text)).group(xsrf_value)
        # 保证有_xsrf数据
        if _xsrf:
            break
    return _xsrf


def get_img_data():
    """
    获取图片并且获得图片的验证码数据
    :return:
    """
    while True:
        random_int = str(randint(1, pow(10, 13)))
        # 获取图片的值
        img_url = 'https://www.zhihu.com/captcha.gif?r=%s&type=login&lang=cn' % random_int
        
        random_sleep()
        # 获取图片
        img_resp = session.get(img_url, headers=headers)
        with open('zhihu_img.jpg', 'wb') as f:
            f.write(img_resp.content)
        # 解析图片
        z = zheye()
        img_yanzhe = z.Recognize('zhihu_img.jpg')
        # 把获得的坐标按x进行排序 [(48.647850377664284, 315.97586850515023), (49.944977855563351, 146.27730894630022)]
        img_yanzhe.sort(key=lambda x: x[1])
        # 知乎提交的位置数据和zheye解析的数据位置相反，置换成知乎要求的数据
        img_data = []
        for y, x in img_yanzhe:
            # zheye中图片为400*88像数，知乎要求为200*44，所有每个值都要除以2
            img_data.append((x / 2, y / 2))
        # 有数据表示解析成功，没数据重新请求数据再次解析
        if img_data:
            break
    return img_data


def get_captcha_data(img_data):
    """通过字符串格式化得到知乎想要的captcha值"""
    # captcha:{"img_size":[200,44],"input_points":[[120.375,34],[160.375,36]]}
    # first, second, third分别对应第一、第二、第三值，x，y 对应其中x，y坐标值
    first, second, third, x, y = 0, 1, 2, 0, 1
    if len(img_data) == 1:
        captcha = '{"img_size":[200,44],"input_points":[[%.2f,%.2f]]}' \
                  % (img_data[first][x], img_data[first][y])
    elif len(img_data) == 2:
        captcha = '{"img_size":[200,44],"input_points":[[%.2f,%.2f],[%.2f,%.2f]]}' \
                  % (img_data[first][x], img_data[first][y], img_data[second][x], img_data[second][y])
    elif len(img_data) == 2:
        captcha = '{"img_size":[200,44],"input_points":[[%.2f,%.2f],[%.2f,%.2f],[%.2f,%.2f]]}' \
                  % (
                  img_data[first][x], img_data[first][y], img_data[second][x], img_data[second][y], img_data[third][x],
                  img_data[third][y])
    return captcha


def get_form_data():
    """获取知乎想要的表单数据"""
    _xsrf = get_xsrf()
    img_data = get_img_data()
    captcha = get_captcha_data(img_data)
    form_data = {
        '_xsrf': _xsrf,
        'password': 'password',
        'captcha_type': 'cn',
        'captcha': captcha,
        'phone_num': 'phone_num',
    }
    return form_data


def go_login(post_url):
    """提交表单并获取返回值"""
    from_data = get_form_data()
    
    random_sleep()
    # 提交验证信息，不允许重定向
    resp_yan = session.post(post_url, headers=headers, data=from_data, allow_redirects=False)
    # 获取返回的值
    result = resp_yan.text
    return json.loads(result)


if __name__ == '__main__':
    post_url = 'https://www.zhihu.com/login/phone_num'
    result = go_login(post_url)
    print(result)