摘要：分析登錄過程這幾天研究百度登錄和貼吧簽到，這百度果然是互聯網巨頭，一個登錄過程都弄得復雜無比，簡直有毒。另外如果你打開百度首頁的話，還會發現瀏覽器的中還會輸出百度的招聘信息。

這幾天研究百度登錄和貼吧簽到，這百度果然是互聯網巨頭，一個登錄過程都弄得復雜無比，簡直有毒。我研究了好幾天仍然沒搞明白。所以還是先挑一個軟柿子捏捏，就選擇CSDN了。

過程很簡單，我也不截圖了。直接打開瀏覽器，然后打開Fiddler，然后登錄CSDN。然后Fiddler顯示瀏覽器向https://passport.csdn.net/account/login?ref=toolbar發送了一個POST請求，這個請求包含了登錄表單，而且還是未加密的。當然CSDN本身還是使用了HTTPS，所以安全性還行。

請求體如下，username和password當然是用戶名和密碼了。

username=XXXXX&password=XXXXXX&rememberMe=true<=LT-461600-wEKpWAqbfZoULXmFmDIulKPbL44hAu&execution=e4s1&_eventId=submit

lt參數我不知道是干啥的，結果直接在頁面中一看原來全在表單里頭，這下直接全了。CSDN很貼心的連注釋都給出了。另外如果你打開百度首頁的話，還會發現瀏覽器的log中還會輸出百度的招聘信息。

這些信息全有了，這樣我們就可以登錄了。不說廢話，直接上代碼。先說說我遇到的幾個坑。

首先是一個參數錯誤，其實邏輯沒問題，但是代碼我復制粘貼之后忘了改名字了，就登錄表單那里，三個參數全弄成了lt，結果登錄返回來的頁面是錯誤頁面。我還以為是沒有附帶什么請求頭，瞎整了大半天。最后用Fiddler調試了好多遍才發現。

第二個問題就是CSDN雞賊的跳轉。由于瀏覽器自帶了JS引擎，所以我們在瀏覽器中輸入網址，到達頁面這一過程不一定就是一個請求。可能中間用了什么JS代碼先跳轉到中間頁面，最后才跳轉到實際頁面。代碼里的_validate_redirect_url(self)函數就是干這個的，登錄完了第一次請求會得到一個中間頁面，它包含了一堆JS代碼，其中有個重定向網址。我們獲取到這個重定向網址，還得請求一次，獲得200OK之后，后續請求才能獲得實際頁面。

第三個問題就是正則表達式匹配頁面的空格問題了。獲取文章首先得知道文章總數，這個好辦，直接獲取頁面里的文章數就行了。它類似100條 共20頁這個。那么該怎么獲取呢？一開始我用的(d+)條 共(d+)頁這個正則，但是結果沒匹配到，然后我仔細看了一下頁面，原來這兩個詞之間不是一個空格，而是兩個空格！其實這個問題倒是也好辦，改一下正則(d+)條s*共(d+)頁就行了。所以以后如果遇到空格問題，直接用s匹配，不要想著自己輸入一個空格還是兩個空格。

import requests
from bs4 import BeautifulSoup
import re
import urllib.parse as parse


class CsdnHelper:
    """登錄CSDN和列出所有文章的類"""
    csdn_login_url = "https://passport.csdn.net/account/login?ref=toolbar"
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36",
    }
    blog_url = "http://write.blog.csdn.net/postlist/"

    def __init__(self):
        self._session = requests.session()
        self._session.headers = CsdnHelper.headers

    def login(self, username, password):
        """登錄主函數"""
        form_data = self._prepare_login_form_data(username, password)
        response = self._session.post(CsdnHelper.csdn_login_url, data=form_data)
        if "UserNick" in response.cookies:
            nick = response.cookies["UserNick"]
            print(parse.unquote(nick))
        else:
            raise Exception("登錄失敗")

    def _prepare_login_form_data(self, username, password):
        """從頁面獲取參數，準備提交表單"""
        response = self._session.get(CsdnHelper.csdn_login_url)
        login_page = BeautifulSoup(response.text, "lxml")
        login_form = login_page.find("form", id="fm1")

        lt = login_form.find("input", attrs={"name": "lt"})["value"]
        execution = login_form.find("input", attrs={"name": "execution"})["value"]
        eventId = login_form.find("input", attrs={"name": "_eventId"})["value"]
        form = {
            "username": username,
            "password": password,
            "lt": lt,
            "execution": execution,
            "_eventId": eventId
        }

        return form

    def _get_blog_count(self):
        """獲取文章數和頁數"""
        self._validate_redirect_url()
        response = self._session.get(CsdnHelper.blog_url)
        blog_page = BeautifulSoup(response.text, "lxml")
        span = blog_page.find("div", class_="page_nav").span
        print(span.string)
        pattern = re.compile(r"(d+)條s*共(d+)頁")
        result = pattern.findall(span.string)
        blog_count = int(result[0][0])
        page_count = int(result[0][1])
        return (blog_count, page_count)

    def _validate_redirect_url(self):
        """驗證重定向網頁"""
        response = self._session.get(CsdnHelper.blog_url)
        redirect_url = re.findall(r"var redirect = "(S+)";", response.text)[0]
        self._session.get(redirect_url)

    def print_blogs(self):
        """輸出文章信息"""
        blog_count, page_count = self._get_blog_count()
        for index in range(1, page_count + 1):
            url = f"http://write.blog.csdn.net/postlist/0/0/enabled/{index}"
            response = self._session.get(url)
            page = BeautifulSoup(response.text, "lxml")
            links = page.find_all("a", href=re.compile(r"http://blog.csdn.net/u011054333/article/details/(d+)"))
            print(f"----------第{index}頁----------")
            for link in links:
                blog_name = link.string
                blog_url = link["href"]
                print(f"文章名稱:《{blog_name}》 文章鏈接:{blog_url}")


if __name__ == "__main__":
    csdn_helper = CsdnHelper()
    username = input("請輸入用戶名")
    password = input("請輸入密碼")
    csdn_helper.login(username, password)
    csdn_helper.print_blogs()

當然，這里最重要的的就是登錄過程了。我們登錄之后，才可以做其他事情。比方說，下一步還能寫一個備份工具，把CSDN博客的所有文章和圖片下載到本地。有興趣的同學可以試一試。