這幾天一直在研究新浪微博的爬蟲，發現爬取微博的數據首先要登錄。本來打算是通過賬號和密碼模擬瀏覽器登錄。但是現在微博的登錄機制比較復雜。通過賬號密碼還沒有登錄成功QAQ。所以就先記錄下，通過cookie直接訪問自己的微博主頁。
微博登錄的認證過程
微博登錄的細節在其他的博客里已經有了詳細的介紹。大概就是用戶輸入賬號和密碼后與服務器產生幾次會話。若認證成功后，微博的服務器會返回給瀏覽器一個cookie。在之后訪問微博的其他內容時，通過發送這個cookie就能正常訪問微博了。所以用過cookie訪問微博，過程就簡化為了獲取cookie，然后通過程序模擬瀏覽器訪問微博首頁。
獲取微博的cookie
通過抓包軟件或瀏覽器自帶的調試工具都可以抓取網頁的cookie。本文使用的是火狐瀏覽器的HttpFox 插件來獲取微博的cookie。
1，打開微博首頁，打開HttpFox
2，輸入用戶名和密碼，勾選“記住我”，點擊登錄。點擊登錄后我們可以看到HttpFox下產生了很多的URL。進入主頁后在HTTPFox中找到你主頁對應的URL，如下圖：
點擊主頁的URL后，我們可以看見左下方的一些信息。包括“Headers”，“Cookies”等。
3，在“Headers”中可以看到有一條“Cookie”的信息。這個就是我們所需要的cookie了。點擊右鍵保存cookie。
至此，就獲取了我們登錄時所要的cookie了！
代碼實現
由于我們是直接通過cookie進行的登錄。所以少了很多認證的過程。直接使用HttpClient的相關包，帶上之前獲取的cookie就可以訪問個人首頁。獲取了首頁，我們就可以通過正則表達式來分析微博數據了。
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import org.apache.http.HttpEntity;
import org.apache.http.HttpResponse;
import org.apache.http.client.ClientProtocolException;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.client.methods.HttpPost;
import org.apache.http.config.Registry;
import org.apache.http.config.RegistryBuilder;
import org.apache.http.cookie.CookieSpec;
import org.apache.http.cookie.CookieSpecProvider;
import org.apache.http.impl.client.BasicCookieStore;
import org.apache.http.impl.client.HttpClients;
import org.apache.http.impl.cookie.DefaultCookieSpec;
import org.apache.http.message.BasicHeader;
import org.apache.http.protocol.HttpContext;
import org.apache.http.util.EntityUtils;
/**
*
*
*@author zkw
*
*/
public class cookieLogin {
private HttpClient client;
private HttpPost post;
private HttpGet get;
private BasicCookieStore cookieStore;
public cookieLogin() {
//cookie策略，不設置會拒絕cookie rejected，設置策略保存cookie信息
cookieStore = new BasicCookieStore();
CookieSpecProvider myCookie = new CookieSpecProvider() {
public CookieSpec create(HttpContext context) {
return new DefaultCookieSpec();
}
};
Registry rg = RegistryBuilder. create().register("myCookie", myCookie)
.build();
client = HttpClients.custom().setDefaultCookieStore(cookieStore).setDefaultCookieSpecRegistry(rg).build();
get = new HttpGet();
post = new HttpPost();
}
public void Login() throws ClientProtocolException, IOException, URISyntaxException {
String LoginUrl = "你的微博主頁網址";
get.setURI(new URI(LoginUrl));
get.addHeader("Host", "weibo.com");
get.addHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:45.0) Gecko/20100101 Firefox/45.0");
get.addHeader("Accept", "*/*");
get.addHeader("Accept-Language", "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3");
get.addHeader("Accept-Encoding", "gzip, deflate");
get.addHeader("Referer", "http://weibo.com/");
get.addHeader(new BasicHeader("Cookie", "上述獲取的cookie值"));
HttpResponse resp = client.execute(get);
HttpEntity entity = resp.getEntity();
String cont = EntityUtils.toString(entity);
System.out.println("獲取的微博內容:" + cont);
}
public HttpClient getClient() {
return client;
}
public void setClient(HttpClient client) {
this.client = client;
}
public HttpPost getPost() {
return post;
}
public void setPost(HttpPost post) {
this.post = post;
}
public HttpGet getGet() {
return get;
}
public void setGet(HttpGet get) {
this.get = get;
}
public BasicCookieStore getCookieStore() {
return cookieStore;
}
public void setCookieStore(BasicCookieStore cookieStore) {
this.cookieStore = cookieStore;
}
public static void main(String[] args) throws ClientProtocolException, IOException, URISyntaxException {
new cookieLogin().Login();
}
}
總結
通過cookie登錄微博是一種快捷方式，但是存在不少問題。所以博主還在研究微博賬號認證過程，希望過幾天能有所突破QAQ。
