上一篇文章小试牛刀：使用Python模拟登录知乎介绍了如何模拟知乎登录，虽然用到了验证码信息，但请求的参数都是原封不动的传递，刚开始接触的时候，觉得难度适中，回头再看的时候，反而感觉挺容易的。在这篇文章，将继续介绍模拟登录。与之前不一样的是，这次选择的对象是新浪微博，难度稍微提升了点，好在以往的许多码友们都留有许多经验贴，经过几番斟酌，微博的模拟登录算是实现了。这两天还在研究如何高性能地爬取微博数据，业余之际乘着还有点记忆，索性将先前的小实验加工成文，算是一份小结吧。下面来看看整个实验过程。
开发工具
一如既往，笔者使用的还是之前的工具，如下：
Windows 7 + Python 2.75Chrome + Fiddler
微博登录请求过程分析
新浪微博的登录有多个URL链接，笔者在实验的时候试了两个，这两个都是新浪通行证登录页面，都是不需要验证码的。一个是 【】，另一个是 【/signup/signin.php?entry=sso】。两个URL虽然很大部分相同，登录过程中仅仅是传递参数不一样。第一个URL传递的过程对“password”进行了加密，而第二个没有加密，所以如果使用第二个URL进行模拟登录，就简单多了。在这里，笔者决定选择使用第一种方式进行分析，下面来看详细过程。
请求登录过程可归纳为三部分
请求登录login.php页面前的参数预获取请求登录login.php页面时的参数分析提交POST请求时的参数构造
Step 1：GET方式请求prelogin.php页面
在模拟登录之前，先观察浏览器登录过程中Fiddler抓到的包，在/sso/login.php打开之前会先使用“GET”方式请求“/sso/prelogin.php”，请求的URL为：【/sso/prelogin.php?entry=account&callback=sinaSSOController.preloginCallBack&su=bGl1ZGl3ZWkxOCU0MHNpbmEuY29t&rsakt=mod&client=ssologin.js(v1.4.15)】，可以看看下面这张图：
在Fiddler中，可以点击“Preview”查看具体详情，也可以直接将Request URL复制到浏览器上查看，效果图如下：
可以看出，这是一个json数据，并且携带了几个参数，我们关心的有以下四个：
servertimenoncepubkeyrsakv
说明一下，之所以认为这几个参数比较重要，那是因为后面对“password”的加密需要用到，对其他参数没有提及的原因是在提交POST时其它的参数并没有用到。好了，为了进行进一步探索，我们从Fiddler的结果可以看出，接下来到了“/sso/login.php”。
Step 2：POST方式请求login.php页面
从这里开始，就进行“login.php”页面的请求分析了（详细的Request URL:【/sso/login.php?client=ssologin.js(v1.4.15)】，后面的时间戳可省略）。点击查看详情，结果图如下：
可以发现/sso/login.php页面有如下参数（From Data）：
cdult: 3domain: encoding: UTF-8entry: accountfrom:gateway: 1nonce: AFE3O9pagerefer: /sso/logout.phpprelt: 41pwencode: rsa2returntype: TEXTrsakv: 1330428213savestate: 30servertime: 1478568922service: ssosp: passwordsr: 1366*768su: usernameuseticket: 0vsnf: 1
到了这里，我们大概可以知道我们需要哪些参数了。在From Data 参数列表中，需要我们指定的参数有下面几个：
servertimenoncersakvsp：加密后的密码su：加密后的用户名
对于参数“nonce”、“servertime”、“rsakv”，都可以从第一步中的“prelogin.php” 中直接获取，而“sp”和“su”则是经过加密后的字符串值，至于具体的加密规则，我们下面通过查看源码分析得出。
Step 3：探索加密规则
首先看看请求“/sso/prelogin.php”的具体情况，看到“client”为“ssologin.js”，见下图：
然后我们到登录页面中查看源码【view-source:/】并搜索“ssllogin.js”，接着点击进入ssologin.js文件，这时我们可在文件中搜索“username”字符串，找到与“username”相应的加密部分（需仔细查看+揣测），接着搜索“password”，找到“password”的加密部分，最后分析出“username”和“password”的加密规则。加密部分的代码如下图：
加密用户名的代码：
加密密码的代码：
微博对于“username”的加密规则比较单一，使用的是“Base64”加密算法，而对“password”的加密规则比较复杂，虽然使用的是“RSA2”（python中需要使用pip install rsa安装rsa模块），但加密的逻辑比较多。根据上面的代码，可以看出“password”加密是这样的一个过程：首先创建一个“rsa”公钥，公钥的两个参数都是固定值，第一个参数是登录过程中“prelogin.php”中的“pubkey”，第二个参数是加密的“js”文件中指定的“10001”（这两个值需要先从16进制转换成10进制，把“10001”转成十进制为“65537”）。最后再加入“servertime”和“nonce”进行进一步加密。
经过上面的分析之后，发起“POST”请求时的“post_data”基本上已经全部可以得到了，接下来就跟模拟登录其它网站类似了，可以使用“request”，也可以使用“urllib2”。下面来看详细代码部分。
源码实现
Github源码链接：/csuldw/WSpider/tree/master/SinaLogin，源码包括下列文件：
dataEncode.py：用于对提交POST请求的数据进行编码处理Logger.py：用于打印logSinaSpider.py：用于爬取sina微博数据的文件（主文件）
为了方便扩展，笔者将代码进行了封装，所以看起来代码量比较多，不过个人觉得可读性还是比较良好，算是凑合吧。
1.dataEncode.py
2.Logger.py
2.SinaSpider.py
