Open daweilang opened 7 years ago
参考资料： http://www.csuldw.com/2016/11/10/2016-11-10-simulate-sina-login/ http://blog.csdn.net/fly_leopard/article/details/51148904 http://www.tuicool.com/articles/uIJzYff http://blog.csdn.net/u010029983/article/details/46364113 等
模拟新浪微博登录是抓取新浪数据的基础，网上的参考资料大多介绍的是用Python开发，有一篇使用php模拟登录的资料还是在phpcms中实现的，也没有太深入分析。
PS：网上资料来源比较乱，不知道phpcms实现模拟微博登录的原作是不是csdn的t0mCl0nes，本篇介绍php模拟登录的核心借鉴的就是这篇文章。以下提及这篇文章以phpcms方案指代。
使用PHP模拟登录新浪微博和Python还是有些区别的，其中也存在一些问题，在这里我就简单分析一下PHP模拟新浪微博登录的过程和存在的问题。
项目地址： https://github.com/daweilang/GetWeiBoCookie
标题名“基于laravel框架”，因为整个获取新浪微博数据的系统是用的lavarel框架搭建的，使用了lavarel队列、命令等等工具。其实模拟新浪微博登录这部分完全可以用简单php程序页面实现，希望我下面的分析能够帮助感兴趣的朋友实现自己的模拟登录程序。
PS：App\Http\Controllers\Admin\AuthorizeController控制器是本文的主程序，以下提及的代码都在github该程序中。
这里所介绍的模拟新浪微博登录，具体是指通过新浪通行证模拟登录。新浪通行证是新浪的统一登录模式，新浪网（sina.com.cn）和微博（weibo.com）是两个不同的顶级域，正是通过新浪通行证，微博实现了跨域登录。对于跨域登录了解不多，不过新浪网使用的这种方式技术上应该是很深入的。
具体登录参数的抓包分析请参考上面和网上的一些文章，其中固定参数可以参考我的代码“config/weibo.php”的curl数组。
当用户输入用户名并且焦点离开输入框后，登录页面会向 http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=%s&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.18)&_=%s 发送一次GET请求，其中用户名是经过base64_encode加密的，最后是个毫秒级的时间戳，其他参数可以固定。
该请求返回了一些参数，网上资料已经介绍了后面主要用到了"servertime"、”nonce"和"rsakv"这三个参数，不过其实“showpin”和“pcid”这两个参数也很重要，showpin为1的时候代表需要填写验证码，而验证码的生成需要“pcid”这个参数。
phpcms方案中将这些参数储存到cookie中，我的代码是储存到文件中，参数的取得和储存代码参见GetWeiboCookie的getPreUrl方法。
网上的文章都已经介绍了微博密码加密原理，使用RSA2算法，“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。”
新浪通行证的流程是，在用户填写完用户名和密码提交后，请求“https://login.sina.com.cn/js/sso/ssologin.js” 页面，这个js页面里就是上面的加密算法，使用js将密码加密。
这个流程使用Python模拟的代码是这样的：
RSAKey = rsa.PublicKey(rsaPubkey, 65537) #创建公钥 #根据js拼接方式构造明文 codeStr = str(servertime) + '\t' + str(nonce) + '\n' + str(password) pwd = rsa.encrypt(codeStr, RSAKey) #使用rsa进行加密
短短三行代码，只需要安装rsa包。。。
百度了好久，没有找到php实现生成rsa公钥方法。
phpcms方案实现了一种解决方法，也就是按照新浪通行证的流程来实现，用ssologin的js方法来加密。phpcms方案对sso加密算法进行了一次封装，csdn博客上有该段js代码。我的js水平不高，完全借鉴了这段代码，在此基础上将加密算法提取到一个js文件中。
<script type='text/javascript' src='/js/prelogin.js'></script> <script type="text/javascript"> function getpass(pwd,servicetime,nonce,rsaPubkey){ var RSAKey=new sinaSSOEncoder.RSAKey(); RSAKey.setPublic(rsaPubkey,'10001'); var password=RSAKey.encrypt([servicetime,nonce].join('\\t')+'\\n'+pwd); return password; } </script>
这种做法有个很大的缺点，需要一个单独的页面来生成加密后的密码，并且将密码传给最后的提交页面，也就是说页面需要多次跳转。
var encrpt = getpass('{$preParam['sp']}', '{$preParam['servertime']}', '{$preParam['nonce']}', '{$preParam['pubkey']}' ); // document.write(encrpt); window.location.href='/admin/authorize/browserLogin/?sp='+encrpt;
最后将加密的密码传递给最后的提交页，见getRsaPwd()方法。
我是在最终提交页browserLogin中将之前储存在文件中的各种参数提取与加密后的密码组合，最后post给新浪通行证登录页登录。
这里还有一点是之前介绍过的，需要填写验证码情况，如果预登录返回的showpin参数为1，需要获得验证码图片，填写验证码登录。验证码图片地址是
http://login.sina.com.cn/cgi/pin.php?r={$randInt}&s=0&p={$preParam['pcid']}
r是随机8位数字，p是预登陆返回的pcid。如果有验证码就多了一次手动填写验证码的流程。
具体代码参考browserLogin()方法。
这种方法与Python相比最大的缺点是不能自动登录，也就是后台登录，Python不需要人为触发，有用户名和密码后完全可以使用程序模拟登录，而php实现需要人为触发登录。
另外，如果需要填写验证码，Python也有工具可以识别验证码，做到自动打码，全程自动登录，这点php实现起来也比较困难。
之后的curl登录没有什么需要特别说明的，应该是在参数里面设置了入口weibo，所以返回的cookie可以直接使用到微博中，理论上这种方式可以在新浪全站模拟登录，不过我并没有试过其他子站。新浪只是在密码核验上比较严格，对于模拟登录的限制并不多。
综上，虽然使用PHP实现了模拟新浪微博登录，但比之Python还是很不方便的，毕竟Python做爬虫的有很多工具。不过在模拟登录微博的基础上获取微博数据过程中，使用lavarel这种框架实现了很多脚本功能，大大提高了抓取数据效率，这也是我使用lavarel开发这个小项目的原因。
https://github.com/daweilang/GetWeiBoCookie 已经实现模拟新浪微博登录的功能，之后不再更新。
后续的新浪微博数据抓取分析，请关注 https://github.com/daweilang/GetWB
这个项目还在调整阶段，还有很多缺陷需要完善，待功能成熟后，我也会围绕项目的设计目标，介绍一下实现方案。
参考资料： http://www.csuldw.com/2016/11/10/2016-11-10-simulate-sina-login/ http://blog.csdn.net/fly_leopard/article/details/51148904 http://www.tuicool.com/articles/uIJzYff http://blog.csdn.net/u010029983/article/details/46364113 等
模拟新浪微博登录是抓取新浪数据的基础，网上的参考资料大多介绍的是用Python开发，有一篇使用php模拟登录的资料还是在phpcms中实现的，也没有太深入分析。
PS：网上资料来源比较乱，不知道phpcms实现模拟微博登录的原作是不是csdn的t0mCl0nes，本篇介绍php模拟登录的核心借鉴的就是这篇文章。以下提及这篇文章以phpcms方案指代。
使用PHP模拟登录新浪微博和Python还是有些区别的，其中也存在一些问题，在这里我就简单分析一下PHP模拟新浪微博登录的过程和存在的问题。
项目地址： https://github.com/daweilang/GetWeiBoCookie
标题名“基于laravel框架”，因为整个获取新浪微博数据的系统是用的lavarel框架搭建的，使用了lavarel队列、命令等等工具。其实模拟新浪微博登录这部分完全可以用简单php程序页面实现，希望我下面的分析能够帮助感兴趣的朋友实现自己的模拟登录程序。
PS：App\Http\Controllers\Admin\AuthorizeController控制器是本文的主程序，以下提及的代码都在github该程序中。
这里所介绍的模拟新浪微博登录，具体是指通过新浪通行证模拟登录。新浪通行证是新浪的统一登录模式，新浪网（sina.com.cn）和微博（weibo.com）是两个不同的顶级域，正是通过新浪通行证，微博实现了跨域登录。对于跨域登录了解不多，不过新浪网使用的这种方式技术上应该是很深入的。
具体登录参数的抓包分析请参考上面和网上的一些文章，其中固定参数可以参考我的代码“config/weibo.php”的curl数组。
这里主要对预登录和预登录返回的参数结合PHP程序进一步说明。
当用户输入用户名并且焦点离开输入框后，登录页面会向 http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=%s&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.18)&_=%s 发送一次GET请求，其中用户名是经过base64_encode加密的，最后是个毫秒级的时间戳，其他参数可以固定。
该请求返回了一些参数，网上资料已经介绍了后面主要用到了"servertime"、”nonce"和"rsakv"这三个参数，不过其实“showpin”和“pcid”这两个参数也很重要，showpin为1的时候代表需要填写验证码，而验证码的生成需要“pcid”这个参数。
phpcms方案中将这些参数储存到cookie中，我的代码是储存到文件中，参数的取得和储存代码参见GetWeiboCookie的getPreUrl方法。
PHP模拟登录新浪微博的核心，也是与Python模拟登录最大的不同，密码加密。
网上的文章都已经介绍了微博密码加密原理，使用RSA2算法，“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。”
新浪通行证的流程是，在用户填写完用户名和密码提交后，请求“https://login.sina.com.cn/js/sso/ssologin.js” 页面，这个js页面里就是上面的加密算法，使用js将密码加密。
这个流程使用Python模拟的代码是这样的：
短短三行代码，只需要安装rsa包。。。
百度了好久，没有找到php实现生成rsa公钥方法。
phpcms方案实现了一种解决方法，也就是按照新浪通行证的流程来实现，用ssologin的js方法来加密。phpcms方案对sso加密算法进行了一次封装，csdn博客上有该段js代码。我的js水平不高，完全借鉴了这段代码，在此基础上将加密算法提取到一个js文件中。
这种做法有个很大的缺点，需要一个单独的页面来生成加密后的密码，并且将密码传给最后的提交页面，也就是说页面需要多次跳转。
最后将加密的密码传递给最后的提交页，见getRsaPwd()方法。
我是在最终提交页browserLogin中将之前储存在文件中的各种参数提取与加密后的密码组合，最后post给新浪通行证登录页登录。
这里还有一点是之前介绍过的，需要填写验证码情况，如果预登录返回的showpin参数为1，需要获得验证码图片，填写验证码登录。验证码图片地址是
http://login.sina.com.cn/cgi/pin.php?r={$randInt}&s=0&p={$preParam['pcid']}
r是随机8位数字，p是预登陆返回的pcid。如果有验证码就多了一次手动填写验证码的流程。
具体代码参考browserLogin()方法。
这种方法与Python相比最大的缺点是不能自动登录，也就是后台登录，Python不需要人为触发，有用户名和密码后完全可以使用程序模拟登录，而php实现需要人为触发登录。
另外，如果需要填写验证码，Python也有工具可以识别验证码，做到自动打码，全程自动登录，这点php实现起来也比较困难。
之后的curl登录没有什么需要特别说明的，应该是在参数里面设置了入口weibo，所以返回的cookie可以直接使用到微博中，理论上这种方式可以在新浪全站模拟登录，不过我并没有试过其他子站。新浪只是在密码核验上比较严格，对于模拟登录的限制并不多。
综上，虽然使用PHP实现了模拟新浪微博登录，但比之Python还是很不方便的，毕竟Python做爬虫的有很多工具。不过在模拟登录微博的基础上获取微博数据过程中，使用lavarel这种框架实现了很多脚本功能，大大提高了抓取数据效率，这也是我使用lavarel开发这个小项目的原因。
https://github.com/daweilang/GetWeiBoCookie 已经实现模拟新浪微博登录的功能，之后不再更新。
后续的新浪微博数据抓取分析，请关注 https://github.com/daweilang/GetWB
这个项目还在调整阶段，还有很多缺陷需要完善，待功能成熟后，我也会围绕项目的设计目标，介绍一下实现方案。