perl登录各种网站的原理与实现

perl登录各种网站的原理与实现

tkorays(tkorays@hotmail.com)

小孩子才践行大道理，大人只会讲。

??????? 写脚本抓取某个页面内容很简单，但是往往事情没那么简单。有些页面必须是要登录才能查看的，比如你想抓取选课系统中自己的成绩？所以，下面介绍下使用perl登录网站的原理，以及实现。

原理

??????? 如果你了解一些http原理的话，这就很好理解了。使用浏览器打开网页无非就是：你发送请求，然后服务器响应，给你所需要的页面内容。当然这些请求和相应都是有一定规律的。

??????? 先说浏览器发送请求。

?????? 请求常用有POST和GET两种，撇去细节不谈，两者有个很大的区别就是POST传递的参数是不显示在url中，而GET方式传递的参数会在url中显示。而我们登录有表单提交，经常要用POST和GET。比如我在开源中国搜索apache：

??????? 这个表单是GET方式的，所以url中会有参数。

??????? 那么，是否浏览器就发送了这么多数据给服务器了呢，答案当然是，否。如上图中，点开头消息，请求头如下：

??????? 其实还发送了这些数据，所以如果你要自己用c/c++等实现，不要忘记发送必要的数据哦。（提示，每个数据使用rn分割的）如果你使用perl，有现成的库，你不需要关注太多细节的，只需要知道，可能须有cookie！

??????? 因此，请求你只需要关注，请求的参数以及可能需要的cookie。

??????? 接下来说相应。

??????? 同样，浏览器返回的html网页不止是你查看源代码看到的那些，还包括响应头。

??????? 相应头和请求头差不多，主要高速浏览器该怎么处理这些相应。注意上面的Content-Type没，后面的text/html表示返回的数据是html格式的。（返回javascript时，content-type是application/x-javascript）。当然并不是所有的相应都有响应头，而且大多时候，你也不需要关注它。这里我只是凑字数说说，完全可以忽略。返回的页面，你完全只需要获取头后面的东西（反正你也知道返回的是html还是javascript，何必还判断呢）。

??????? cookies是保存在浏览器端的一些小数据，可以用于保存一些信息。它其实就是一些键值对。很多时候，服务器会生成一些数据给浏览器，这些在之后的通信过程中是很重要的。所幸的是，perl有现成的库供我们管理cookies，如果你要一步步实现，就头大了。

??????? 对了，还要注意的是url编码问题，有时候会出现。

实现

??????? 说了原理当然要说实现了，不然我就是欺骗读者的感情了。

??????? perl中使用到的主要包有LWP，会用到它的UserAgent、Cookies、Response等类。这些类有不明白的地方可以查看cpan。

??????? 这里我们需要模拟一个浏览器的行为，所以要创建一个UserAgent对象。

my?$ua?=?LWP::UserAgent->new;
$ua->agent("Mozilla/5.0?(Windows?NT?6.1;?rv:30.0)?Gecko/20100101?Firefox/30.0");

??????? 这样，请求头里面的浏览器就变成了火狐，服务器会以为我们是使用火狐呢。

??????? 不能忘记cookies哦。

my?$cookie_jar?=?HTTP::Cookies->new(
????file=>'lwp_cookies.txt',????autosave=>1,????ignore_discard=>1);
$ua->cookie_jar($cookie_jar);

??????? 之后调用UserAgent的post和get方法，想干什么就干甚么。

??????? 如果你看的不是很明白，下面给出一个登录人人并发状态的例子，好好领悟吧。有注释哦：

#!/usr/bin/perl
#?Copyright?2014?tkorays.?All?rights?reserved.
#?author?tkorays
#?email?tkorays@hotmail.com
use?strict;
use?warnings;
use?LWP;
use?LWP::Simple;
use?LWP::UserAgent;
use?HTTP::Cookies;
use?HTTP::Headers;
use?HTTP::Response;
use?Encode;
use?URI::Escape;
use?URI::URL;

my?$email?=?'***@**.com';
my?$password?=?'***';
my?$domain?=?'renren.com';
my?$hostid='';
my?$requestToken='';
my?$rtk='';
my?$channel='renren';

my?$ua?=?LWP::UserAgent->new;
$ua->agent("Mozilla/5.0?(Windows?NT?6.1;?rv:30.0)?Gecko/20100101?Firefox/30.0");
my?$cookie_jar?=?HTTP::Cookies->new(
????file=>'lwp_cookies.txt',????ignore_discard=>1);
$ua->cookie_jar($cookie_jar);

my?$login_url?=?'http://www.renren.com/PLogin.do';

#?这里面没有判断是否需要验证码，聪明的你学完后肯定知道怎么搞定的
#?人人是post登陆的，第一个参数是登陆的地址，第二个参数是一个匿名hash
my?$res?=?$ua->post($login_url,{
????????'email'=>$email,????????'password'=>$password,????????'domain'=>$domain});
my?$homepage;?
#?判断响应头里面的location，确定是否登陆成功???
if($res->header('Location')?eq?'http://www.renren.com/Home.do'){
????print?'login?ok...',"n";
????$homepage?=?$ua->get('http://www.renren.com/home');?
}else{
????exit;
}
#?作为福利，下面还是贴上，发状态的吧，后面就不注释了
#####################################
if($homepage->is_success){
????my?$pagect?=?$homepage->content;
????$pagect?=~?/ids:s"(d+)"/g;
????$hostid?=?$1;
????$pagect?=~?/requestTokens:s'(.+)'/g;
????$requestToken?=?$1;
????$pagect?=~?/_rtks:s'(.+)'/;
????$rtk?=?$1;
????
????????????
}else{
????exit;????
}
my?$purl?=?'http://shell.renren.com/'.$hostid.'/status';
my?($sec,$min,$hour,$day,$mon,$year,$wday,$yday,$isdst)?=?localtime();?
$year?+=1900;
$mon++;
my?$postret?=?$ua->post($purl,{
????'content'=>"renren?test,by?perl?script,author:tkorays,date:$year-$mon-$day?$hour:$min:$sec.",????'hostid'=>$hostid,????'requestToken'=>$requestToken,????'_rtk'=>$rtk,????'channel'=>$channel});
if($postret->is_success){
????print?'send?ok...',"n";
}else{
????print?'fuck!';
}

???????

??????? 有验证码怎么办？UserAgent的get、方法获取啊。

??????? 给个简单的例子吧：

my?$res?=?$ua->get($url.'/GenImg');
????if(!$res->is_success){
????????return?0;
????}
????open(FILE_HANDLE,'>img.jpg');
????binmode?FILE_HANDLE;
????print?FILE_HANDLE?$res->content;
????close?FILE_HANDLE;

??????? 上面的代码把验证码存为图片。所以验证码问题就解决了。

GO

??????? 问题都解决了，你就赶快行动？