第十二篇 requests模拟登陆知乎

了解http常见状态码

可以通过输入错误的密码来找到登陆知乎的post：url

把Headers拉到底部，可以看到form data

_xsrf是需要发送的，需要发送给服务端，否则会返回403错误，提示用户没权限访问

获取xsrf的方法：

# -*- coding: utf-8 -*-

import requests,re
#py2里叫cookielib，py3里叫cookiejar
try:
    import cookielib
except:
    import http.cookiejar as cookielib

#拿到浏览器设置的用户代理
User_Agent = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.90 Safari/537.36"
#定义header，注意：header里的key是固定的
header = {
    "HOST":"www.zhihu.com",
    "Referer":"https://www.zhihu.com",
    "User-Agent":User_Agent
}
def get_xsrf():
    #可以通过自定义请求头来传入User-Agent
    response = requests.get("http://www.zhihu.com",headers=header)
    print(response.text)
    return ''

get_xsrf()

接着使用re模块来获取到这一行数值

#如果匹配不到，那可能是中间有换行符的原因，可以加上re.dotall
    match_obj = re.match('.*name="_xsrf" value="(.*?)"', response.text, re.DOTALL)

每次查看知乎页面要用get和post创建新连接效率不高，可以使用session，后面使用requests的方法就在session上调用

session = requests.session()

session = requests.session()
#给session的cookies方法重新指定，cookielib类实例出来的LWPCookieJar方法可以很方便的保存文件
#可以指定一个文件名，如果文件不存在会自动创建。
session.cookies = cookielib.LWPCookieJar(filename="cookies.txt")

try:
    #加载cookies
    session.cookies.load(ignore_discard=True)
except:
    print("cookie未能加载")

def get_index():
    """
    前面用session保存了cookie到本地，这里我再用session调用get方法时，会自动把cookie带过去。
    :return:
    """
    response = session.get("https://www.zhihu.com", headers=header)
    with open("index_page.html","wb") as f:
        f.write(response.text.encode('utf-8'))
    print("OK")

要判断是否已登陆，可以访问一些需要登陆才有权限访问的页面，比如知乎页面的登陆后的我的私信页面，用FireFox可以先看到返回状态：302临时重定向

接着301重定向，不过我用chrome检测，直接从第三行数据开始展示

所以可以获取状态码来判断是否登陆：

PS:get方法有个参数allow_redirects是否允许重定向，默认是True，如果访问的url状态是301/302,则会去访问重定向的url

def is_login():
    #通过个人的私信页面判断是否已登陆
    inbox_url = "https://www.zhihu.com/inbox"
    #allow_redirects参数是否跳转到重定向的url
    response = session.get(inbox_url,headers=header,allow_redirects=False)
    if response.status_code != 200:
        status_code = False
    else:
        status_code = True
    return status_code

测试获取xsrf时服务器返回500错误，这个是因为使用requests模块时，没有设置浏览器的用户代理，不同的浏览器这个值是不一样的，有的服务器会验证这个是否合法的，这是服务器的一种防御策略。

处理方法：

在知乎登陆界面F12，刷新页面，找到Header请求头：