python模拟登陆百度

最新推荐文章于 2023-05-19 21:40:10 发布

原创

最新推荐文章于 2023-05-19 21:40:10 发布 · 置顶 · 2.1k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#爬虫

本文详细解析了使用Python模拟百度二维码扫码登录的过程，包括清除cookies、分析登录请求、获取关键信息以及实现登录代码。重点在于理解登录过程中涉及的请求、响应头和重要参数，如BAIDUID、token、二维码图片请求、扫码验证和获取登陆授权cookie。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文原地址

说明

本文做的是百度二维码扫码登陆，至于为什么要做扫码登陆，主要是因为：1，用账号密码登陆时，在测试过程中，如果清除cookie，会弹出验证码，这个倒是无所谓，要命的是在登陆过程中有可能出发百度的账号保护机制，就算输入验证码，百度还会强制要求手机短信进行二次验证，这个触发机制目前还不明确。

准备环境

准备python3环境以及安装requests类库，chorme浏览器。关于requests类库的基本用法可参考链接:爬虫利器requests

登陆过程分析

需要知道的是:百度是以cookie来对用户的身份进行校验的，当登陆成功以后，可以免验证访问百度相关的所有站点，包括百度贴吧，百度云盘等。模拟登陆成功的标志就是我们拿到用于验证身份的cookie。所以，我们的主要目的就是寻找哪些请求设置了cookie
第一步：打开chorme浏览器，清除百度相关的所有cookie，如当时已经登陆的话，删除cookie后将处于未登陆状态。如下图所示，删除图中所有的cookie：

第二步：再次访问百度首页，并清除现有cookie，保证点击登陆按钮之前是没有任何cookie产生的。之后摁F12键，进入浏览器开发者模式，点击登陆按钮，选择二维码登陆，查看请求记录。如下图所示：

可以发现：除去css/img等资源后，主要的链接有：

序号	链接
1	`uni_login_wrapper.js...`
2	`_blank.html`
3	`?getapi&tpl=mn...`
4	`getqrcode?lp=pc...`
5	`viewlog?ak=1e3f2...`
6	`?loginhistory&token=a7...`
7	`unicast?channel_id=d15...`

查看uni_login_wrapper...这个链接的具体信息，可以看到，它的响应头中设置了BAIDUID这个cookie，并且可以发现，后面的所有链接的请求中都带有BAIDUID这个cookie

查看_balnk.html可以发现，它的响应头中没有设置任何cookie

查看?getapi这个链接，我们可以发现，它的响应头中设置了HOSUPPORT=1这个cookie,并且返回了一个json数组，里面有一个token,它的请求参数与响应分别如下图：

这个请求的主要作用就是为了获得token,它是后续?loginhistory?token=...请求的参数。

查看getqrcode?lp=pc..这个链接，可以发现，它的响应头中没有设置cookie,但是，它的返回信息中附带了一个链接，这个链接正是二维码图片的请求地址，如下图所示。访问其中的imgurl即可得到二维码。其中还有一个值sign，这个值是后续unicast?channel_id=34...这个请求中的channel_id。

查看viewlog?ak=...这个请求可以看到，它的响应头中设置了pplogid这个cookie，测试发现，这个cookie并不是关键性的，可有可无，如下图：

查看?loginhistory?token=...这个请求可以发现，它设置了PASSID、UBI、HISTORY这三个cookie

查看unicast?channel_id=...这个请求，可以发现，只要我们一直没有扫描二维码，客户端会不断发送这个请求，这个请求正是用来检测我们是否扫描了二维码。，如下图所示

第三步：用百度APP扫描二维码，继续分析后续请求，扫描之后，会出现三个关键请求，如下图所示：

从上一步已经知道unicast?channel_id=...这个请求是为了判断我们是否已经扫描了二维码，可以判定，如果扫描成功，它必定会返回一个用于认证的重要信息。两次请求的反回值分别如下：

从这几张图可以看出，这个返回的v与登陆请求qrbdusslogin?v=..&bduss=...中的参数bduss值相同，与之对应。
继续分析最后的登陆请求，即qrbdusslogin?v=..budss=...，观察它的响应头可以发现其中有几个cookie值：STOKEN、PTOKEN、BDUSS，这正是授权登陆的关键所在，如下图所示：

至此，获得上述几个值后，登陆成功。

登陆过程代码

首先定义两个工具函数，一个用来获取毫秒级的时间戳，一个用来将类似于下图的返回信息转换为json，方便信息提取
[外链图片转存失败(img-IiKBvGHH-1562065335192)(/public/static/extimg/article/2019/1561993367666qrurl.png)]

# 获取毫秒级时间戳
def get_cur_timestamp():
    return int(round((time.time()) * 1000))
# 将callback转换为json
def parsecallback_tojson(callbackstr):
    return json.loads(re.search(r'\(.*\)', callbackstr).group().replace("(", "").replace(")", ""))

网站一般还对请求头有所限制，所以还需定义请求头，将其保存在config.py文件中。

# -*- coding: utf-8 -*-
headers = {
   
   
    'passport_headers':{
   
   
        'Host': 'passport.baidu.com',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)',
        'Refer': 'https://www.baidu.com/?tn=62095104_7_oem_dg'

    },
    'tieba_headers':{
   
   
        'Host': 'tieba.baidu.com',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)',
        'Refer': 'https://www.baidu.com/?tn=62095104_7_oem_dg',
        'Origin': 'https://tieba.baidu.com'
    }
}

** 获取BAIDUID: ** 根据上面的分析，首先获取BAIDUID，并定义一个login_cookies封装请求cookie。请求所需要的参数都可以通过浏览器的开发者摸式看到，这里不再细说。

 # 封装登陆用的cookie
 login_cookies = {
   
   }
 headers = config.headers['passport_headers']
 init_url='https://passport.baidu.com/passApi/js/uni_login_wrapper.jscdnversion=1561973784431&_=1561973762531'
 init_r = requests.get(init_url, headers=headers, verify=False)
 # 获取BAIDUID
 init_cookies = init_r.cookies
 login_cookies['BAIDUID'] = init_cookies['BAIDUID']

** 获取token： ** 利用正则表达式直接从返回结果中提取，其中tpl、apiver、class、loginversion、logintype这几个参数都是固定的，tt是当前的时间戳，callback是接收返回信息的参数，格式是固定的，可以写死。

# 获取token
token_url = 'https://passport.baidu.com/v2/api/?getapi'
t_params = {
   
   
	'tpl': 'mn',
	'apiver': 'v3',
	'tt': get_cur_timestamp(),
	'class': 'login',
	'gid': gid,
	'loginversion': 'v4',
	'logintype': 'dialogLogin',
	'traceid': None,
	'callback': 'bd__cbs__5k