模拟新浪微博登录（Python+RSA加密算法）

yadianna

声明：

该文章是结合马孔多的日记（http://www.douban.com/note/201767245/）和p418279973的空间（http://hi.baidu.com/enmzqbeadvfhiye/item/4018b4e7775cd3edfa42bad3）中反映的问题以及解决方法进行的整理，希望对通过编程实现微博爬虫的朋友们提供帮助。

由于本人使用用的是Python语言，以下内容就在该语言下进行解释说明。有使用Java语言的可以参考IT男杂记（http://marspring.mobi/http-client-weibo/）

正文：

PC登录新浪微博时，在客户端用js预先对用户名、密码都进行了加密，而且在POST之前会GET一组参数，这也将作为POST_DATA的一部分。这样，就不能用通常的那种简单方法来模拟POST登录（比如人人网）。

通过爬虫获取新浪微博数据，模拟登录是必不可少的。

　　1、在提交POST请求之前，需要GET获取四个参数（servertime，nonce，pubkey和rsakv），不是之前提到的只是获取简单的servertime，nonce，这里主要是由于js对用户名、密码加密方式改变了。
　　1.1 由于加密方式的改变，我们这里将使用到RSA模块，有关RSA公钥加密算法的介绍可以参考网络中的有关内容。下载并安装rsa模块：
　　下载：https://pypi.python.org/pypi/rsa/3.1.1
　　rsa模块文档地址：http://stuvel.eu/files/python-rsa-doc/index.html
　　根据自己的Python版本选择适合自己的rsa安装包（.egg），在win下安装需要通过命令行使用easy_install.exe（win上安装setuptool从这里下载：setuptools-0.6c11.win32-py2.6.exe 安装文件 ）进行安装，例如：easy_install rsa-3.1.1-py2.6.egg，最终命令行下测试import rsa，未报错则安装成功。
　　1.2 获得以及查看新浪微博登录js文件
　　查看新浪通行证url （http://login.sina.com.cn/signup/signin.php）的源代码，其中可以找到该js的地址 http://login.sina.com.cn/js/sso/ssologin.js，不过打开后里面的内容是加密过的，可以在网上找个在线解密站点解密，查看最终用户名和密码的加密方式。
　　1.3 登录
　　登录第一步，添加自己的用户名（username），请求prelogin_url链接地址：
　　prelogin_url = 'http://login.sina.com.cn/sso/prelogin.php?entry=sso&callback=sinaSSOController.preloginCallBack&su=%s&rsakt=mod&client=ssologin.js(v1.4.4)' % username
　　使用get方法得到以下类似内容：
　　sinaSSOController.preloginCallBack({"retcode":0,"servertime":1362041092,"pcid":"gz-6664c3dea2bfdaa3c94e8734c9ec2c9e6a1f","nonce":"IRYP4N","pubkey":"EB2A38568661887FA180BDDB5CABD5F21C7BFD59C090CB2D245A87AC253062882729293E5506350508E7F9AA3BB77F4333231490F915F6D63C55FE2F08A49B353F444AD3993CACC02DB784ABBB8E42A9B1BBFFFB38BE18D78E87A0E41B9B8F73A928EE0CCEE1F6739884B9777E4FE9E88A1BBE495927AC4A799B3181D6442443","rsakv":"1330428213","exectime":1})
　　进而从中提取到我们想要的servertime，nonce，pubkey和rsakv。当然，pubkey和rsakv的值我们可以写死在代码中，它们是固定值。
　　

2、之前username 经过BASE64计算：

1 username_ = urllib.quote(username)
2 username = base64.encodestring(username)[:-1]

password经过三次SHA1加密，且其中加入了 servertime 和 nonce 的值来干扰。即：两次SHA1加密后，结果加上servertime和nonce的值，再SHA1算一次。

　　在最新的rsa加密方法中，username还是以前一样的处理；

password加密方式和原来有所不同：

　　2.1 先创建一个rsa公钥，公钥的两个参数新浪微博都给了固定值，不过给的都是16进制的字符串，第一个是登录第一步中的pubkey，第二个是js加密文件中的‘10001’。
　　这两个值需要先从16进制转换成10进制，不过也可以写死在代码里。这里就把10001直接写死为65537。代码如下：



1 rsaPublickey = int(pubkey, 16)
2 key = rsa.PublicKey(rsaPublickey, 65537) #创建公钥
3 message = str(servertime) + '\t' + str(nonce) + '\n' + str(password) #拼接明文js加密文件中得到
4 passwd = rsa.encrypt(message, key) #加密
5 passwd = binascii.b2a_hex(passwd) #将加密信息转换为16进制。
　　2.2 请求通行证url：login_url =‘http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.4)’
　　需要发送的报头信息



1 postPara = {
2         'entry': 'weibo',
3         'gateway': '1',
4         'from': '',
5         'savestate': '7',
6         'userticket': '1',
7         'ssosimplelogin': '1',
8         'vsnf': '1',
9         'vsnval': '',
10         'su': encodedUserName,
11         'service': 'miniblog',
12         'servertime': serverTime,
13         'nonce': nonce,
14         'pwencode': 'rsa2',
15         'sp': encodedPassWord,
16         'encoding': 'UTF-8',
17         'prelt': '115',
18         'rsakv' : rsakv,
19         'url': 'http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',
20         'returntype': 'META'
21     }
　　请求的内容中添加了rsakv，将pwencode的值修改为rsa2，其他跟以前一致。
　　将参数组织好，POST请求。检验是否登录成功，可以参考POST后得到的内容中的一句 location.replace("http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&retcode=101&reason=%B5%C7%C2%BC%C3%FB%BB%F2%C3%DC%C2%EB%B4%ED%CE%F3");
　　如果retcode=101则表示登录失败。登录成功后结果与之类似，不过retcode的值是0。
　　

3、登录成功后，在body中的replace信息中的url就是我们下一步要使用的url。然后对上面的url使用GET方法来向服务器发请求，保存这次请求的Cookie信息，就是我们需要的登录Cookie了。