通过爬虫来全自动抢微博红包的思路

信息安全 3521 Views

0x00背景

红包纷纷何所似?兄子胡儿曰:“撒钱空中差可拟。”兄女道韫曰:“未若姨妈因风起。”

背景大家都懂的,要过年了,正是红包满天飞的日子。正巧前两天学会了Python,比较亢奋,就顺便研究了研究微博红包的爬取,为什么是微博红包而不是支付宝红包呢,因为我只懂Web,如果有精力的话之后可能也会研究研究打地鼠算法吧。

因为本人是初学Python,这个程序也是学了Python后写的第三个程序,所以代码中有啥坑爹的地方请不要当面戳穿,重点是思路,嗯,如果思路中有啥坑爹的的地方也请不要当面戳穿,你看IE都有脸设置自己为默认浏览器,我写篇渣文得瑟得瑟也是可以接受的对吧……

我用的是Python 2.7,据说Python 2和Python 3差别挺大的,比我还菜的小伙伴请注意。

0x01 思路整理

懒得文字叙述了,画了张草图,大家应该可以看懂。

首先老规矩,先引入一坨不知道有啥用但又不能没有的库:

import re

import urllib

import urllib2

import cookielib

import base64

import binascii

import os

import json

import sys

import cPickle as p

import rsa

然后顺便声明一些其它变量,以后需要用到:

reload(sys)

sys.setdefaultencoding('utf-8') #将字符编码置为utf-8

luckyList=[] #红包列表

lowest=10 #能忍受红包领奖记录最低为多少

这里用到了一个rsa库,Python默认是不自带的,需要安装一下:https://pypi.python.org/pypi/rsa/

下载下来后运行setpy.py install安装,然后就可以开始我们的开发步骤了。

0x02 微博登陆

抢红包的动作一定要登陆后才可以进行的,所以一定要有登录的功能,登录不是关键,关键是cookie的保存,这里需要cookielib的配合。

cj = cookielib.CookieJar()

opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))

urllib2.install_opener(opener)

这样凡是使用opener进行的网络操作都会对处理cookie的状态,虽然我也不太懂但是感觉好神奇的样子。

接下来需要封装两个模块,一个是获取数据模块,用来单纯地GET数据,另一个用来POST数据,其实只是多了几个参数,完全可以合并成一个函数,但是我又懒又笨,不想也不会改代码。

def getData(url) :

try:

req = urllib2.Request(url)

result = opener.open(req)

text = result.read()

text=text.decode("utf-8").encode("gbk",'ignore')

return text

except Exception, e:

print u'请求异常,url:'+url

print e

def postData(url,data,header) :

try:

data = urllib.urlencode(data)

req = urllib2.Request(url,data,header)

result = opener.open(req)

text = result.read()

return text

except Exception, e:

print u'请求异常,url:'+url

有了这两个模块我们就可以GET和POST数据了,其中getData中之所以decode然后又encode啥啥的,是因为在Win7下我调试输出的时候总乱码,所以加了些编码处理,这些都不是重点,下面的login函数才是微博登陆的核心。

def login(nick , pwd) :

print u"———-登录中———-"

print "———-……———-"

prelogin_url = 'http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=%s&rsakt=mod&checkpin=1&client=ssologin.js(v1.4.15)&_=1400822309846' % nick

preLogin = getData(prelogin_url)

servertime = re.findall('"servertime":(.+?),' , preLogin)[0]

pubkey = re.findall('"pubkey":"(.+?)",' , preLogin)[0]

rsakv = re.findall('"rsakv":"(.+?)",' , preLogin)[0]

nonce = re.findall('"nonce":"(.+?)",' , preLogin)[0]

#print bytearray('xxxx','utf-8')

su = base64.b64encode(urllib.quote(nick))

rsaPublickey= int(pubkey,16)

key = rsa.PublicKey(rsaPublickey,65537)

message = str(servertime) +'\t' + str(nonce) + '\n' + str(pwd)

sp = binascii.b2a_hex(rsa.encrypt(message,key))

header = {'User-Agent' : 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)'}

param = {

'entry': 'weibo',

'gateway': '1',

'from': '',

'savestate': '7',

'userticket': '1',

'ssosimplelogin': '1',

'vsnf': '1',

'vsnval': '',

'su': su,

'service': 'miniblog',

'servertime': servertime,

'nonce': nonce,

'pwencode': 'rsa2',

'sp': sp,

'encoding': 'UTF-8',

'url': 'http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',

'returntype': 'META',

'rsakv' : rsakv,

}

s = postData('http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.4.15)',param,header)

try:

urll = re.findall("location.replace\(\'(.+?)\'\);" , s)[0]

login=getData(urll)

print u"———登录成功!——-"

print "———-……———-"

except Exception, e:

print u"———登录失败!——-"

print "———-……———-"

exit(0)

这里面的参数啊加密算法啊都是从网上抄的,我也不是很懂,大概就是先请求个时间戳和公钥 再rsa加密一下最后处理处理提交到新浪登陆接口,从新浪登录成功之后会返回一个微博的地址,需要请求一下,才能让登录状态彻底生效,登录成功后,后面的 请求就会带上当前用户的cookie。

0x03 指定红包抽取

成功登录微博后,我已迫不及待地想找个红包先试一下子,当然首先是要在浏览器里试的。点啊点啊点啊点的,终于找到了一个带抢红包按钮的页面了,F12召唤出调试器,看看数据包是咋请求的。

可以看到请求的地址是http://huodong.weibo.com/aj_hongbao/getlucky,主要参数有两个,一个是ouid,就是红包id,在URL中可以看到,另一个share参数决定是否分享到微博,还有个_t不知道是干啥用的。

好,现在理论上向这个url提交者三个参数,就可以完成一次红包的抽取,但是,当你真正提交参数的时候,就会发现服务器会很神奇地给你返回这么个串:

{“code”:303403,”msg”:”抱歉,你没有权限访问此页面”,”data”:[]}

这个时候不要惊慌,根据我多年Web开发经验,对方的程序员应该是判断referer了,很简单,把请求过去的header全给抄过去。

def getLucky(id): #抽奖程序

print u"—抽红包中:"+str(id)+"—"

print "———-……———-"

if checkValue(id)==False: #不符合条件,这个是后面的函数

return

luckyUrl="http://huodong.weibo.com/aj_hongbao/getlucky"

param={

'ouid':id,

'share':0,

'_t':0

}

header= {

'Cache-Control':'no-cache',

'Content-Type':'application/x-www-form-urlencoded',

'Origin':'http://huodong.weibo.com',

'Pragma':'no-cache',

'Referer':'http://huodong.weibo.com/hongbao/'+str(id),

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.146 BIDUBrowser/6.x Safari/537.36',

'X-Requested-With':'XMLHttpRequest'

}

res = postData(luckyUrl,param,header)

这样的话理论上就没啥问题了,事实上其实也没啥问题。抽奖动作完成后我们是需要判断状态的,返回的res是一个json串,其中code为100000时为成功,为90114时是今天抽奖达到上限,其他值同样是失败,所以:

hbRes=json.loads(res)

if hbRes["code"]=='901114': #今天红包已经抢完

print u"———已达上限———"

print "———-……———-"

log('lucky',str(id)+'—'+str(hbRes["code"])+'—'+hbRes["data"]["title"])

exit(0)

elif hbRes["code"]=='100000':#成功

print u"———恭喜发财———"

print "———-……———-"

log('success',str(id)+'—'+res)

exit(0)

if hbRes["data"] and hbRes["data"]["title"]:

print hbRes["data"]["title"]

print "———-……———-"

log('lucky',str(id)+'—'+str(hbRes["code"])+'—'+hbRes["data"]["title"])

else:

print u"———请求错误———"

print "———-……———-"

log('lucky',str(id)+'—'+res)

其中log也是我自定义的一个函数用来记录日志用的:

def log(type,text):

fp = open(type+'.txt','a')

fp.write(text)

fp.write('\r\n')

fp.close()

0x04 爬取红包列表

单个红包领取动作测试成功后,就是我们程序的核心大招模块了——爬取红包列表,爬取红包列表的方法和入口应该有不少,比如各种微博搜索关键字啥啥的,不过我这里用最简单的方法:爬取红包榜单。

在红包活动的首页(http://huodong.weibo.com/hongbao)通过各种点更多,全部可以观察到,虽然列表连接很多,但可以归纳为两类(最有钱红包榜除外):主题和排行榜。

继续召唤F12,分析这两种页面的格式,首先是主题形式的列表,比如:http://huodong.weibo.com/hongbao/special_quyu

可以看到红包的信息都是在一个类名为info_wrap的div中,那么我们只要活动这个页面的源码,然后把infowrap全抓出来,再简单处理下就可以得到这个页面的红包列表了,这里需要用到一些正则:

def getThemeList(url,p):#主题红包

print u"———第"+str(p)+"页———"

print "———-……———-"

html=getData(url+'?p='+str(p))

pWrap=re.compile(r'<div class="info_wrap">(.+?)<span class="rob_txt"></span>',re.DOTALL) #h获取所有info_wrap的正则

pInfo=re.compile(r'.+<em class="num">(.+)</em>.+<em class="num">(.+)</em>.+<em class="num">(.+)</em>.+href="(.+)" class="btn"',re.DOTALL) #获取红包信息

List=pWrap.findall(html,re.DOTALL)

n=len(List)

if n==0:

return

for i in range(n): #遍历所有info_wrap的div

s=pInfo.match(List[i]) #取得红包信息

info=list(s.groups(0))

info[0]=float(info[0].replace('\xcd\xf2','0000')) #现金,万->0000

try:

info[1]=float(info[1].replace('\xcd\xf2','0000')) #礼品价值

except Exception, e:

info[1]=float(info[1].replace('\xd2\xda','00000000')) #礼品价值

info[2]=float(info[2].replace('\xcd\xf2','0000')) #已发送

if info[2]==0:

info[2]=1 #防止除数为0

if info[1]==0:

info[1]=1 #防止除数为0

info.append(info[0]/(info[2]+info[1])) #红包价值,现金/(领取人数+奖品价值)

# if info[0]/(info[2]+info[1])>100:

# print url

luckyList.append(info)

if 'class="page"' in html:#存在下一页

p=p+1

getThemeList(url,p) #递归调用自己爬取下一页

话说正则好难,学了好久才写出来这么两句。还有这里的info中append进去了一个 info[4],是我想的一个大概判断红包价值的算法,为什么要这么做呢,因为红包很多但是我们只能抽四次啊,在茫茫包海中,我们必须要找到最有价值的红 包然后抽丫的,这里有三个数据可供参考:现金价值、礼品价值和领取人数,很显然如果现金很少领取人数很多或者奖品价值超高(有的甚至丧心病狂以亿为单 位),那么就是不值得去抢的,所以我憋了半天终于憋出来一个衡量红包权重的算法:红包价值=现金/(领取人数+奖品价值)。

排行榜页面原理一样,找到关键的标签,正则匹配出来。

def getTopList(url,daily,p):#排行榜红包

print u"———第"+str(p)+"页———"

print "———-……———-"

html=getData(url+'?daily='+str(daily)+'&p='+str(p))

pWrap=re.compile(r'<div class="list_info">(.+?)<span class="list_btn"></span>',re.DOTALL) #h获取所有list_info的正则

pInfo=re.compile(r'.+<em class="num">(.+)</em>.+<em class="num">(.+)</em>.+<em class="num">(.+)</em>.+href="(.+)" class="btn rob_btn"',re.DOTALL) #获取红包信息

List=pWrap.findall(html,re.DOTALL)

n=len(List)

if n==0:

return

for i in range(n): #遍历所有info_wrap的div

s=pInfo.match(List[i]) #取得红包信息

topinfo=list(s.groups(0))

info=list(topinfo)

info[0]=topinfo[1].replace('\xd4\xaa','') #元->''

info[0]=float(info[0].replace('\xcd\xf2','0000')) #现金,万->0000

info[1]=topinfo[2].replace('\xd4\xaa','') #元->''

try:

info[1]=float(info[1].replace('\xcd\xf2','0000')) #礼品价值

except Exception, e:

info[1]=float(info[1].replace('\xd2\xda','00000000')) #礼品价值

info[2]=topinfo[0].replace('\xb8\xf6','') #个->''

info[2]=float(info[2].replace('\xcd\xf2','0000')) #已发送

if info[2]==0:

info[2]=1 #防止除数为0

if info[1]==0:

info[1]=1 #防止除数为0

info.append(info[0]/(info[2]+info[1])) #红包价值,现金/(领取人数+礼品价值)

# if info[0]/(info[2]+info[1])>100:

# print url

luckyList.append(info)

if 'class="page"' in html:#存在下一页

p=p+1

getTopList(url,daily,p) #递归调用自己爬取下一页

好,现在两中专题页的列表我们都可以顺利爬取了,接下来就是要得到列表的列表,也就是所有这些列表地址的集合,

然后挨个去抓:

def getList():

print u"———查找目标———"

print "———-……———-"

themeUrl={ #主题列表

'theme':'http://huodong.weibo.com/hongbao/theme',

'pinpai':'http://huodong.weibo.com/hongbao/special_pinpai',

'daka':'http://huodong.weibo.com/hongbao/special_daka',

'youxuan':'http://huodong.weibo.com/hongbao/special_youxuan',

'qiye':'http://huodong.weibo.com/hongbao/special_qiye',

'quyu':'http://huodong.weibo.com/hongbao/special_quyu',

'meiti':'http://huodong.weibo.com/hongbao/special_meiti',

'hezuo':'http://huodong.weibo.com/hongbao/special_hezuo'

}

topUrl={ #排行榜列表

'mostmoney':'http://huodong.weibo.com/hongbao/top_mostmoney',

'mostsend':'http://huodong.weibo.com/hongbao/top_mostsend',

'mostsenddaka':'http://huodong.weibo.com/hongbao/top_mostsenddaka',

'mostsendpartner':'http://huodong.weibo.com/hongbao/top_mostsendpartner',

'cate':'http://huodong.weibo.com/hongbao/cate?type=',

'clothes':'http://huodong.weibo.com/hongbao/cate?type=clothes',

'beauty':'http://huodong.weibo.com/hongbao/cate?type=beauty',

'fast':'http://huodong.weibo.com/hongbao/cate?type=fast',

'life':'http://huodong.weibo.com/hongbao/cate?type=life',

'digital':'http://huodong.weibo.com/hongbao/cate?type=digital',

'other':'http://huodong.weibo.com/hongbao/cate?type=other'

}

for (theme,url) in themeUrl.items():

print "———-"+theme+"———-"

print url

print "———-……———-"

getThemeList(url,1)

for (top,url) in topUrl.items():

print "———-"+top+"———-"

print url

print "———-……———-"

getTopList(url,0,1)

getTopList(url,1,1)

0x05 判断红包可用性

这个是比较简单的,首先在源码里搜一下关键字看看有没有抢红包按钮,然后再到领取排行里面看看最高纪录是多少,要是最多的才领那么几块钱的话就再见吧……

其中查看领取记录的地址为http://huodong.weibo.com/aj_hongbao/detailmore?page=1&type=2&_t=0&__rnd=1423744829265&uid=红包id

def checkValue(id):

infoUrl='http://huodong.weibo.com/hongbao/'+str(id)

html=getData(infoUrl)

if 'action-type="lottery"' in html or True: #存在抢红包按钮

logUrl="http://huodong.weibo.com/aj_hongbao/detailmore?page=1&type=2&_t=0&__rnd=1423744829265&uid="+id #查看排行榜数据

param={}

header= {

'Cache-Control':'no-cache',

'Content-Type':'application/x-www-form-urlencoded',

'Pragma':'no-cache',

'Referer':'http://huodong.weibo.com/hongbao/detail?uid='+str(id),

'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.146 BIDUBrowser/6.x Safari/537.36',

'X-Requested-With':'XMLHttpRequest'

}

res = postData(logUrl,param,header)

pMoney=re.compile(r'<span class="money">(\d+?.+?)\xd4\xaa</span>',re.DOTALL) #h获取所有list_info的正则

luckyLog=pMoney.findall(html,re.DOTALL)

if len(luckyLog)==0:

maxMoney=0

else:

maxMoney=float(luckyLog[0])

if maxMoney<lowest: #记录中最大红包小于设定值

return False

else:

print u"———手慢一步———"

print "———-……———-"

return False

return True

0x06 收尾工作

主要的模块都已经搞定,现在需要将所有的步骤串联起来:

def start(username,password,low,fromFile):

gl=False

lowest=low

login(username , password)

if fromfile=='y':

if os.path.exists('luckyList.txt'):

try:

f = file('luckyList.txt')

newList = []

newList = p.load(f)

print u'———装载列表———'

print "———-……———-"

except Exception, e:

print u'解析本地列表失败,抓取在线页面。'

print "———-……———-"

gl=True

else:

print u'本地不存在luckyList.txt,抓取在线页面。'

print "———-……———-"

gl=True

if gl==True:

getList()

from operator import itemgetter

newList=sorted(luckyList, key=itemgetter(4),reverse=True)

f = file('luckyList.txt', 'w')

p.dump(newList, f) #把抓到的列表存到文件里,下次就不用再抓了

f.close()

for lucky in newList:

if not 'http://huodong.weibo.com' in lucky[3]: #不是红包

continue

print lucky[3]

id=re.findall(r'(\w*[0-9]+)\w*',lucky[3])

getLucky(id[0])

因为每次测试的时候都要重复爬取红包列表,很麻烦,所以加了段将完整列表dump到文件的代码,这样以后就可以读本地列表然后抢红包了,构造完start模块后,写一个入口程序把微博账号传过去就OK了:

if __name__ == "__main__":

print u"——————微博红包助手——————"

print "———————v0.0.1———————"

print u"————-by @无所不能的魂大人—————-"

print "————————————————-"

try:

uname=raw_input(u"请输入微博账号: ".decode('utf-8').encode('gbk'))

pwd=raw_input(u"请输入微博密码: ".decode('utf-8').encode('gbk'))

low=int(raw_input(u"红包领取最高现金大于n时参与: ".decode('utf-8').encode('gbk')))

fromfile=raw_input(u"是否使用luckyList.txt中红包列表:(y/n) ".decode('utf-8').encode('gbk'))

except Exception, e:

print u"参数错误"

print "———-……———-"

print e

exit(0)

print u"———程序开始———"

print "———-……———-"

start(uname,pwd,low,fromfile)

print u"———程序结束———"

print "———-……———-"

os.system('pause')

0x07 走你!

0x08 总结

基本的爬虫骨架已经基本可以完成了,其实这个爬虫的很多细节上还是有很大发挥空间的,比如改装成支持批量登录的,比如优化下红包价值算法,代码本身应该也有很多地方可以优化的,不过以我的能力估计也就能搞到这了。

最后程序的结果大家都看到了,我写了几百行代码,几千字的文章,辛辛苦苦换来的只是一组 双色球,尼玛坑爹啊,怎么会是双色球呢!!!

(旁白:作者越说越激动,居然哭了起来,周围人纷纷劝说:兄弟,不至于的,不就是个微博红包么,昨天手都撸酸了也没摇出个微信红包。)唉,其实我不是哭这个,我难过的是我已经二十多岁了,还在做写程序抓微博红包这么无聊的事情,这根本不是我想要的人生啊!

源码下载:weibo_hb.rar

[via@IDF实验室]

(点击“阅读原文”可以进行评论或浏览更多文章喔,还可直接回复订阅号,告诉妹子你的看法()~*

如未说明则本站原创,转载请注明出处:NULL » 通过爬虫来全自动抢微博红包的思路