转载

通过爬虫来全自动抢微博红包的思路

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。

通过爬虫来全自动抢微博红包的思路

首先老规矩,先引入一坨不知道有啥用但又不能没有的库:

Default

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:

Default

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。

Default

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。

Default

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。

Default

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。

通过爬虫来全自动抢微博红包的思路

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。

Default

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:

Default

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:

Default

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

通过爬虫来全自动抢微博红包的思路

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:

Default

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' 
(.+?) ',re.DOTALL) #h获取所有info_wrap的正则 pInfo=re.compile(r'.+ (.+).+ (.+).+ (.+).+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。

通过爬虫来全自动抢微博红包的思路

Default

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' 
(.+?) ',re.DOTALL) #h获取所有list_info的正则 pInfo=re.compile(r'.+ (.+).+ (.+).+ (.+).+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:

Default

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

通过爬虫来全自动抢微博红包的思路

Default

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'(/d+?.+?)/xd4/xaa',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      

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:

Default

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:

Default

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!

通过爬虫来全自动抢微博红包的思路 通过爬虫来全自动抢微博红包的思路

0x07 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 ]

正文到此结束
Loading...