邮箱:service@hongdaqianqiu.com
0×00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。
0×01 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：
|
1
2
3
4
5
6
7
8
9
10
11
|
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：
|
1
2
3
4
|
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。
0×02 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。
|
1
2
3
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
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。
0×03 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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
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：
|
1
2
3
4
5
|
def log(type,text):
fp = open(type+‘.txt’,‘a’)
fp.write(text)
fp.write(‘/r/n’)
fp.close()
|
0×04 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
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)
|
0×05 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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
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
|
0×06 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
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’)
|
0×07 走你！
0×07 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]
Copyright © hongdaChiaki. All Rights Reserved. 鸿大千秋 版权所有
联系方式：
地址: 深圳市南山区招商街道沿山社区沿山路43号创业壹号大楼A栋107室
邮箱：service@hongdaqianqiu.com
备案号：粤ICP备15078875号
