使用requests的session机制模拟登陆知乎

开发环境

1. Python版本： python3.6
2. Python库： requests, pillow, re
3. 浏览器： Google Chrome 62.0.3202.94
4. 调试工具：pycharm 2017.1.3
5. 电脑系统：Windows 10 64位系统

模拟登陆代码

import requests
try:
    import cookielib
except:
    import http.cookiejar as cookielib

import re

session = requests.session()
session.cookies = cookielib.LWPCookieJar(filename="cookies.txt")
try:
    session.cookies.load(ignore_discard=True)
except:
    print ("cookie未能加载")

headers = {
    'Host': "www.zhihu.com",
    'Referer': "https://www.zhihu.com/signin?next=/",
    'user-agent': "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Mobile Safari/537.36"
}

def is_login():
    #通过个人中心页面返回状态码来判断是否为登录状态
    inbox_url = 'https://www.zhihu.com/inbox'
    response = session.get(inbox_url, headers=headers, allow_redirects=False)
    if response.status_code != 200:
        return False
    else:
        return True

def get_xsrf():
    #获取xsrf code
    response = session.get("https://www.zhihu.com/signin?next=/#signin", headers=headers)
    match_obj = re.match('.*name="_xsrf" value="(.*?)"', response.text)
    if match_obj:
        return (match_obj.group(1))
    else:
        return ""


def get_index():
    response = session.get("https://www.zhihu.com", headers=headers)
    with open("index_page.html", "wb") as f:
        f.write(response.text.encode("utf-8"))
    print ("ok")

def get_captcha():
    import time
    t = str(int(time.time()*1000))
    captcha_url = "https://www.zhihu.com/captcha.gif?r={0}&type=login".format(t)
    t = session.get(captcha_url, headers=headers)
    with open("captcha.jpg","wb") as f:
        f.write(t.content)
        f.close()

    from PIL import Image
    try:
        im = Image.open('captcha.jpg')
        im.show()
        im.close()
    except:
        pass

    captcha = input("输入验证码\n>")
    return captcha

def zhihu_login(account, password):
    #知乎登录
    if re.match("^1\d{10}",account):
        print ("手机号码登录")
        post_url = "https://www.zhihu.com/login/phone_num"
        post_data = {
            "_xsrf": get_xsrf(),
            "phone_num": account,
            "password": password,
            "captcha":get_captcha()
        }
    else:
        if "@" in account:
            #判断用户名是否为邮箱
            print("邮箱方式登录")
            post_url = "https://www.zhihu.com/login/email"
            post_data = {
                "_xsrf": get_xsrf(),
                "email": account,
                "password": password
            }

    response_text = session.post(post_url, data=post_data, headers=headers)
    session.cookies.save()

zhihu_login("187********", "******")
# get_index()
is_login()

# get_captcha()

代码分析

访问知乎登陆界面

https://www.zhihu.com/#signin

按 F12 调试工具
点击： 登陆 – 使用密码登陆

在Network选项中， 勾选 preserve log （点击登陆会有页面会转跳，清空数据）
点击登陆之后，查看 XHR 参数， 我们会看到 phone_num 这个url传递的参数带有登陆信息

有四个参数： _xsrf 、password、 captcha_type、phone_num
第一个参数，当我们查看知乎登陆界面的源代码时， 搜索这个关键词就能查到。

验证码

知乎登陆有中文验证码和英文验证码请求，上述代码使用英文验证码请求的