我的反爬解决方案（2）—— 模拟登陆

亦凉 2021-11-02 02:44 264阅读 0赞

### 项目地址 ###

**常见站点模拟登陆(长期维护)**：[https://github.com/IMWoolei/fuck-login][https_github.com_IMWoolei_fuck-login]

### 前言 ###

爬虫的任务不仅仅是`采集数据`，自动`刷访问量`、`自动发布内容`等都属于爬虫所涉及的范围。

而完成自动刷访问量、发布这些功能往往都需要在登陆状态下进行，另外HTTP是`无连接\无状态`的，所以实现登陆的目的是在本地生成`Cookies`，以记录本次会话状态。

另外携带`Cookies`的请求，可以在爬虫中解决一些反爬机制、采集数据量有限的问题，如在知乎信息采集中缺少`Cookies`会无法获取目标信息，采集搜狗微信时未登陆情况下只能请求前10页…

### 常见登陆方式 ###

*  账号密码明文提交，不做任何加密，如`GitHub`、`豆瓣`、`CSDN(现在已更新了)`等站点；
 *  账号密码进行加密或`JS`生成附带信息，如`SHA1`、`MD5`、`HMAC`、`AES`、`Base64`等多种加密方式，如搜狐新闻，拉勾网；
 *  额外需要提交验证码信息，多数站点都会选择这种方式，`bilibili`的极验、`搜狗微信`的数字字母、知乎的中文汉字等；
 *  预登陆操作，即登陆之前首先向服务器获取登陆信息，用于构造本次登录，如新浪微博；
 *  等等…

### 常见站点的登陆合集 ###

**项目地址**：[https://github.com/IMWoolei/fuck-login][https_github.com_IMWoolei_fuck-login]

接下来会不断新增站点和维护原有的登陆程序。

#### 解决登陆问题时的思路 ####

为了保证执行效率，所有的登陆方式都**不使用**`Selenium/Appnium`来实现，直接创建`session`进行记录本次会话。

**主要的思路如下：**

*  账号和密码是否进行了加密
    
     *  无加密，直接提交；
     *  有加密，通常是`js`执行生成的加密字符串，找到加密代码块；
     *  是否附带了其他的必要的登陆信息，如表单中的`name`\+`value`；
 *  初始的会话`Cookies`信息是否存在登陆的必要信息
    
     *  请求目标站点，获取服务端返回的`Header`信息中的`set-cookie`；
     *  `Cookies`由`js`生成，构建`js`生成`Cookies`的方法；
 *  是否存在验证码
    
     *  绕过验证码，避免出现验证码是最好的方案，某些站点在不同的页面上可能不会出现验证码。如搜狐新闻站点在`PC-Web`进行登陆时会出现验证码，而使用`移动浏览器Web`页面时则不会出现验证码；
     *  修改验证码出现方式，某些站点在不同的页面上出现的方式不同。如在今日头条中`PC-Web`中登陆时会出现`滑块验证码`，而在`移动浏览器Web`页面时是字母+数字的`文字验证码`，如果有可用的打码平台或识别模型，文字验证码更为方便接入；
     *  无法绕过的验证码，图形就接入打码，滑块就浏览器模拟滑动轨迹，其余的就视情况而定了；

[https_github.com_IMWoolei_fuck-login]: https://github.com/IMWoolei/fuck-login