• <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>

            不會飛的鳥

            2010年12月10日 ... 不鳥他們!!! 我要用自己開發的分布式文件系統、分布式調度系統、分布式檢索系統, 做自己的搜索引擎!!!大魚有大志!!! ---楊書童

            [轉]新浪微博 爬取實現之微博登錄

            最近做一個東西,需要抓取新浪微博的微話題,新浪微博api有所限制所以就沒用新浪微博api了,想直接的從網頁上獲取內容,但微博的很多網頁都需要登錄后才能瀏覽的,所以做了個新浪微博的登錄功能,基本需要的功能實現了,但并不健全。

            對于新浪微博的頁面是要用戶登錄之后才能進入的,如http://weibo.com/pub/topic,那么爬蟲也必須登錄上新浪微博才能爬取內容,在這里實現下新浪微博的登錄功能,到現在還有一些問題沒解決,但可以實現必須登錄后才能進入的頁面的文本捕獲了。

            先分析下微博登錄提交的內容,新浪微博主頁登錄向服務器提交的是使用POST的,post附帶的參數有


            entry:weibo
            gateway:1
            from:
            savestate:7
            useticket:1
            ssosimplelogin:1
            vsnf:1
            vsnval:
            su:NDY0Mjg5NTg4JTQwcXEuY29t
            service:miniblog
            servertime:1321269451
            nonce:HGE0XB 
            pwencode:wsse
            sp:a3135915db1b5d15a47a43e550d89e1499a26a9b
            encoding:UTF-8
            url:http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack
            returntype:META

              在這些參數中su是用戶的用戶名使用base64編碼的;servertime是該動作的開始時間,nonce是隨機產生的6為隨機數,pwencode:wsse應該指的是密碼格式的編碼了,sp是密碼的通過編碼后的形式。對于我現在的應用只需要這幾個參數就好了。

            接著分析下這些參數吧:

            request.su=sinaSSOEncoder.base64.encode(urlencode(username));

              用戶名通過了urlencode和base64編碼后才提交的;

            servertime在哪里忘記了,通過獲取時間/1000就可以得到servertime了;

            var makeNonce=function(len){var x="ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";var str="";for(var i=0;i<len;i++){str+=x.charAt(Math.ceil(Math.random()*1000000)%x.length)}return str};

              nonce參數是上面函數得到的;

            sp的得到就相對比較麻煩一些,是通過password,servertime,nonce 共同編碼后得到的數據;使用的編碼函數是

            var sinaSSOEncoder=sinaSSOEncoder||{};(function(){var i=0;var g=8;this.hex_sha1=function(j){return h(b(f(j),j.length*g))};var b=function(A,r){A[r>>5]|=128<<(24-r%32);A[((r+64>>9)<<4)+15]=r;var B=Array(80);var z=1732584193;var y=-271733879;var v=-1732584194;var u=271733878;var s=-1009589776;for(var o=0;o<A.length;o+=16){var q=z;var p=y;var n=v;var m=u;var k=s;for(var l=0;l<80;l++){if(l<16){B[l]=A[o+l]}else{B[l]=d(B[l-3]^B[l-8]^B[l-14]^B[l-16],1)}var C=e(e(d(z,5),a(l,y,v,u)),e(e(s,B[l]),c(l)));s=u;u=v;v=d(y,30);y=z;z=C}z=e(z,q);y=e(y,p);v=e(v,n);u=e(u,m);s=e(s,k)}return Array(z,y,v,u,s)};var a=function(k,j,m,l){if(k<20){return(j&m)|((~j)&l)}if(k<40){return j^m^l}if(k<60){return(j&m)|(j&l)|(m&l)}return j^m^l};var c=function(j){return(j<20)?1518500249:(j<40)?1859775393:(j<60)?-1894007588:-899497514};var e=function(j,m){var l=(j&65535)+(m&65535);var k=(j>>16)+(m>>16)+(l>>16);return(k<<16)|(l&65535)};var d=function(j,k){return(j<<k)|(j>>>(32-k))};var f=function(m){var l=Array();var j=(1<<g)-1;for(var k=0;k<m.length*g;k+=g){l[k>>5]|=(m.charCodeAt(k/g)&j)<<(24-k%32)}return l};var h=function(l){var k=i?"0123456789ABCDEF":"0123456789abcdef";var m="";for(var j=0;j<l.length*4;j++){m+=k.charAt((l[j>>2]>>((3-j%4)*8+4))&15)+k.charAt((l[j>>2]>>((3-j%4)*8))&15)}return m};this.base64={encode:function(l){l=""+l;if(l==""){return""}var j="";var s,q,o="";var r,p,n,m="";var k=0;do{s=l.charCodeAt(k++);q=l.charCodeAt(k++);o=l.charCodeAt(k++);r=s>>2;p=((s&3)<<4)|(q>>4);n=((q&15)<<2)|(o>>6);m=o&63;if(isNaN(q)){n=m=64}else{if(isNaN(o)){m=64}}j=j+this._keys.charAt(r)+this._keys.charAt(p)+this._keys.charAt(n)+this._keys.charAt(m);s=q=o="";r=p=n=m=""}while(k<l.length);return j},_keys:"ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/="}}).call(sinaSSOEncoder);

              得到得到sp的函數為

            password=sinaSSOEncoder.hex_sha1(""+sinaSSOEncoder.hex_sha1(sinaSSOEncoder.hex_sha1(password))+me.servertime+me.nonce)}request.sp=password;return request};

              必要的參數已經分析到了,只要封裝http包先服務器發送即可。我使用的是java實現,把上面一些javascript函數改寫成java函數

            //用戶名編碼
            private String encodeAccount(String account){
                    return Base64.encodeBase64String(URLEncoder.encode(account).getBytes());
                }
            //六位隨機數nonce的產生
            private String makeNonce(int len){
                    String x="ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
                    String str = "";
                    for(int i=0;i<len;i++){
                        str+=x.charAt((int) (Math.ceil(Math.random()*1000000)%x.length()));
                    }
                    return str;
                }
            //servertime的產生
            private String getServerTime(){
                    long servertime = new Date().getTime()/1000;
                    return String.valueOf( servertime);
                }
            //密碼的編碼
            this.sp = new SinaSSOEncoder().encode(this.pwd, this.servertime, this.nonce);

              SinaSSOEncoder編碼類的實現

            package com.sinaweibo;
             
            //新浪微博密碼加密的算法
            public class SinaSSOEncoder {
                private boolean i=false;
                private int g=8;
                 
                public SinaSSOEncoder(){
                     
                }
                public String encode(String psw,String servertime,String nonce){
                    String password;
                    password=hex_sha1(""+hex_sha1(hex_sha1(psw))+servertime+nonce);
                    return password;
                }
                 
                private String hex_sha1(String j) {
                    return h(b(f(j,j.length()*g), j.length() * g));
                }
                private String h(int[] l){
                    String k = i ? "0123456789ABCDEF" : "0123456789abcdef";
                    String m = "";
                    for (int j = 0; j < l.length * 4; j++) {
                        m += k.charAt((l[j >> 2] >> ((3 - j % 4) * 8 + 4)) & 15) + "" + k.charAt((l[j >> 2] >> ((3 - j % 4) * 8)) & 15);
                    }
                    return m;
                }
                 
                private int[] b(int[] A,int r){
                    A[r>>5]|=128<<(24-r%32);
                    A[((r+64>>9)<<4)+15]=r;
                    int[] B = new int[80];
                    int z = 1732584193;
                    int y = -271733879;
                    int v = -1732584194;
                    int u = 271733878;
                    int s = -1009589776;
                    for (int o = 0; o < A.length; o += 16) {
                        int q = z;
                        int p = y;
                        int n = v;
                        int m = u;
                        int k = s;
                        for (int l = 0; l < 80; l++) {
                            if (l < 16) {
                                B[l] = A[o + l];
                            } else {
                                B[l] = d(B[l - 3] ^ B[l - 8] ^ B[l - 14] ^ B[l - 16], 1);
                            }
                            int C = e(e(d(z, 5), a(l, y, v, u)), e(e(s, B[l]), c(l)));
                            s = u;
                            u = v;
                            v = d(y, 30);
                            y = z;
                            z = C;
                        }
                        z = e(z, q);
                        y = e(y, p);
                        v = e(v, n);
                        u = e(u, m);
                        s = e(s, k);
                    }
                    return new int[]{z,y,v,u,s};
                }
                 
                private int a(int k,int j,int m,int l){
                    if(k<20){return(j&m)|((~j)&l);};
                    if(k<40){return j^m^l;};
                    if(k<60){return(j&m)|(j&l)|(m&l);};
                    return j^m^l;
                }
                 private int c(int j){
                    return(j<20)?1518500249:(j<40)?1859775393:(j<60)?-1894007588:-899497514;
                }
                private int e(int j, int m) {
                    int l = (j & 65535) + (m & 65535);
                    int k = (j >> 16) + (m >> 16) + (l >> 16);
                    return (k << 16) | (l & 65535);
                }
                private int d(int j,int k){
                    return(j<<k)|(j>>>(32-k));
                }
                 
                private int[] f(String m,int r){
                    int[] l;
                    int j = (1<<this.g)-1;
                    int len=((r+64>>9)<<4)+15;
                    int k;
                    for(k=0;k<m.length()*g;k+=g){
                        len = k>>5>len?k>>5:len;
                    }
                    l = new int[len+1];
                    for(k=0;k<l.length;k++){
                        l[k]=0;
                    }
                    for(k=0;k<m.length()*g;k+=g){
                        l[k>>5]|=(m.charAt(k/g)&j)<<(24-k%32);
                    }
                    return l;
                }
            }

              得到這幾個參數后連通其他的一些參數,其他的參數內容不需要改變,一起封裝成HTTP包先服務器發送即可,到這一步,已經完成得差不多了,提交 到服務器后服務器返回了一些Cookie,有六個tgc,SUE,SUP,ALC,ALF,SUR。登錄新浪微博提交的Cookie有很多,但在訪問需要 用戶登錄的頁面只需要這里面的2個參數即可, SUE,SUP;還有一個wvr的參數,其值為4,其他的參數還沒去理解,為了方便我把所有服務器返回的Cookie全都封裝在HTTP包里了。

            要訪問其他的之前需要登錄的頁面時,這需要在提交的http包的Header加上Cookie項,值為獲得的這幾個參數加上wvr=4就好了。這就會發現原來不能直接訪問的頁面,現在可以訪問了。

            分析數據是個挺花時間的過程,但最終能實現還是很爽的。。。

            一些其他的參數還沒去理解他們的意義,爬取微話題的主頁是沒問題的,但使用一些新浪微博api時就出現了一些問題。

            posted on 2012-03-30 09:27 不會飛的鳥 閱讀(963) 評論(1)  編輯 收藏 引用

            評論

            # re: [轉]新浪微博 爬取實現之微博登錄 2012-05-07 14:22 紫楓閑人

            膜拜牛人,被你翻譯成java了,代碼貼過來稍微改改就是C#的,呵呵。加我Q4157874,多交流啊  回復  更多評論   

            69SEX久久精品国产麻豆| 72种姿势欧美久久久久大黄蕉| 久久综合给合久久狠狠狠97色69| 精品一区二区久久久久久久网站| 久久这里只精品99re66| 久久久久九国产精品| 久久国产高清字幕中文| 国产精品久久久久影院嫩草 | 久久国内免费视频| 青草久久久国产线免观| 亚洲欧美日韩精品久久亚洲区 | 久久久精品国产Sm最大网站| 热久久这里只有精品| 国内精品欧美久久精品| 久久婷婷色综合一区二区| 要久久爱在线免费观看| 亚洲AV日韩AV天堂久久| 国产午夜福利精品久久2021| 热re99久久精品国产99热| 欧美日韩成人精品久久久免费看 | 国产精品内射久久久久欢欢| 久久99精品久久久久久水蜜桃| 少妇被又大又粗又爽毛片久久黑人 | 久久成人小视频| 久久66热人妻偷产精品9| 久久综合中文字幕| 亚洲欧美国产精品专区久久| 午夜久久久久久禁播电影| 91精品国产色综久久| 精品国产乱码久久久久久人妻| 97久久久久人妻精品专区| 国产精品成人精品久久久| 精品久久久中文字幕人妻| 国产99久久久国产精品~~牛| 波多野结衣久久一区二区| 九九久久99综合一区二区| 九九精品久久久久久噜噜| 国产精品欧美久久久久天天影视| 亚洲精品乱码久久久久久按摩| www亚洲欲色成人久久精品| 久久亚洲私人国产精品vA|