Python模拟浏览器登录淘宝

因为前几天写了个Python登录教务网的爬虫，这几天又突然想到用Python登录淘宝试试，于是二话不说，代码走起。本来以为很简单，但一写我就傻眼了，登淘宝的涉及到很多东西，验证码，加密算法，用httpfox查看post数据又很多看不懂的，所以百度大神们的类似代码，经过几天痛苦的尝试，终于搞定了，登淘宝最重要的几点就是：一，验证码，我是用正则提取验证码地址，然后用webbrowser把验证码直接在浏览器中显示，让用户输入；二，获取token，当你处理好了验证码，登录了login_url，你就自然会发现token，然后重定向到另一地址；三，登录用token_url，获取st，再利用st重定向到淘宝用户的主页地址，当你实现了这些就成功了！总的来说就像奔跑吧，兄弟的游戏那种，每获得一个值，登录，就会获得下个值的线索，依次下去，就会成功。这是我的一孔之见，如果我说错了什么，请大神指点！欢迎一起讨论！

参考地址：

http://my.oschina.net/u/811744/blog/191165

http://www.sufeinet.com/thread-4585-1-1.html

代码如下：

</pre><pre name="code" class="python">#-*-coding:gbk-*-import urllibimport urllib2import cookielibimport reimport webbrowser#登录地址login_url = "https://login.taobao.com/member/login.jhtml"proxy_url = 'http://120.193.146.95:843'#post请求头部headers = {    'Host':'login.taobao.com',    'User-Agent' : 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:35.0) Gecko/20100101 Firefox/35.0',      'Referer' : 'https://login.taobao.com/member/login.jhtml',    'Content-Type': 'application/x-www-form-urlencoded',    'Connection' : 'Keep-Alive'        }#用户名，密码username = raw_input("请输入账号: ") #此处不需要密码，因为经过淘宝加密算法后，在下面的ua中已经包含了账号和密码，所以很安全#所以每个用户的ua都是不一样的#请求数据包,这三个都是动态生成的，但是不用担心，只要选取其中一组就可以，只要你的用户名和密码不变就可以ua = '074UW5Tcy...uUm07'#因为ua，gr,password2都太长了所以省略了很多gr = '687474703A.....343433'password2 = '100eba2....e674077e'post = {   'ua':ua,         'TPL_checkcode':'',         'CtrlVersion': '1,0,0,7',           'TPL_password':'',           'TPL_redirect_url':'http://i.taobao.com/my_taobao.htm?nekot=udm8087E1424147022443',           'TPL_username':username,           'loginsite':'0',         'newlogin':'0',         'from':'tb',         'fc':'default',        'style':'default',        'css_style':'',        'tid':'XOR_1_000000000000000000000000000000_625C4720470A0A050976770A',        'support':'000001',        'CtrlVersion':'1,0,0,7',        'loginType':'4',        'minititle':'',        'minipara':'',        'umto':'NaN',        'pstrong':'3',        'llnick':'',        'sign':'',        'need_sign':'',        'isIgnore':'',        'full_redirect':'',        'popid':'',        'callback':'',        'guf':'',        'not_duplite_str':'',        'need_user_id':'',        'poy':'',        'gvfdcname':'10',        'gvfdcre':gr,        'from_encoding':'',        'sub':'',        'TPL_password_2':password2,        'loginASR':'1',        'loginASRSuc':'1',        'allp':'',        'oslanguage':'zh-CN',        'sr':'1366*768',        'osVer':'windows|6.1',        'naviVer':'firefox|35'        }  postData = urllib.urlencode(post)proxy = urllib2.ProxyHandler({'http':proxy_url})  #设置代理，防止自己的IP被封cookieJar = cookielib.LWPCookieJar()cookie= urllib2.HTTPCookieProcessor(cookieJar)  #智能处理cookieopener = urllib2.build_opener(cookie,proxy,urllib2.HTTPHandler)urllib2.install_opener(opener)req = urllib2.Request(login_url,postData,headers)taobao = urllib2.urlopen(req)read = taobao.read()staus = taobao.getcode()if staus == 200:    print '获取服务器请求成功!'    #处理验证码，获取token    pattern = re.compile(r'(?<=<img id="J_StandardCode_m" src="https://s.tbcdn.cn/apps/login/static/img/blank.gif" data-src=").[^<]*?(?=")')    checkCodeUrlList = re.findall(pattern, read)    #print checkCodeUrlList[0]    webbrowser.open_new_tab(checkCodeUrlList[0])  #这里和下面的[0]，只是为了提取列表中的值    print '到浏览器看验证码图片'    checkcode = raw_input('请输入验证码:')    post['TPL_checkcode'] = checkcode    postData = urllib.urlencode(post)    req = urllib2.Request(login_url,postData,headers)    taobao = urllib2.urlopen(req)    read_token = taobao.read()    #处理token，获得st    pattern_token = re.compile(r'(?<=<input type="hidden" id="J_HToken" value=").[^<]*?(?=")')    token = re.findall(pattern_token,read_token)    token_url = 'https://passport.alipay.com/mini_apply_st.js?site=0&token=%s&callback=stCallback6' % token[0]    req_token = urllib2.Request(token_url)    response_token = urllib2.urlopen(req_token).read()    #处理st，获得用户淘宝主页的登录地址    pattern_st = re.compile(r'(?<="st":").[^<]*?(?=")')    st = re.findall(pattern_st,response_token)    st_url = 'https://login.taobao.com/member/vst.htm?st=%s&TPL_username=%s' % (st[0],username)    req_st = urllib2.Request(st_url)    response_st = urllib2.urlopen(req_st).read()    print response_st    pattern_end = re.compile(r'(?<=top.location = ").[^<]*?(?=";)')    end = re.findall(pattern_end,response_st)    end_url = '%s' % end[0]    req_end = urllib2.Request(end_url)    response_end = urllib2.urlopen(req_end).read()    print response_end