查看: 9754|回复: 6

在Hikey开发板上用LED闪烁及蜂鸣器提醒论坛新回复（一）

[复制链接]

前言

最近学习Python模拟登陆相关的东西，副产品就是样。

效果：定时登陆DFRobot并查询是否有人回复，有则led闪烁+蜂鸣器响。

硬件：Lemaker Hikey 开发板；LED module；Buzzer module；杜邦线若干。

软件环境：windows 7 x64；Archlinux|Raspbian；Python3；phantomjs；Fiddler；Chrome

1、基础知识

之前在我的inoreader订阅里读到这么一篇文章：手机APP自动签到—python实现，既往只用过Python+RPi.GPIO库去控制树莓派的引脚，现在发现了Python的其他有趣的应用如Web、神经网络、大数据之类，求知若渴。

通过上述文章，了解到Fiddler这款软件和requests库。断断续续学了很多，知乎、微信公众号上面一大堆，一直不得入门，这次突发奇想~~（懒癌发作）~~用手头的Lemaker Hikey自动模拟登录DFRobot论坛，然后定时查看一下有木有新提醒，有的话就发微信 OR 邮件通知我。

说干就干，建议在此之前先阅读以下文章：

看不太懂没关系，大致有个概念就行。此外文中介绍的方法有些已经失效，但是看完作者的文章，再阅读作者的开源项目smart_login代码，相信会和我一样有茅塞顿开，醍醐灌顶之感。

一般来说：

Fiddler/HTTPanalyzer/Charles用来抓包，了解正常登陆流程
Chrome调试工具用来查看网络资源
phantomjs等无界面浏览器用来模拟真实登陆
selenium结合Python用来操作phantomjs浏览器（建议以后直接操作更高效）
reuqests包用来模拟发送包

2、分析DFRobot网站登陆

看完上述的文章，稍微上手之后，我们来看看df网站如何登陆的。使用fiddler抓包：

可以看到登陆过程中每次response都会改动cookies（安装Privacy scanner拓展可以看到），而且用chrome插件EditThisCookie可以看到cookie内容非常丰富，会包含登陆ip、登陆地址、上次登陆时间等等内容。登陆不需要验证码。

登陆时post的数据如上，有两个值：loginhash和formhash，每次登陆都会变。hash值不可能凭空生成，有三种可能情况：1 是藏在页面中的；2 是通过服务器返回的；3 是通过运行javascript脚本生成的。我们通过chrome调试模式（F12）和搜索分析Fiddler会话之后认为该值是登陆时服务器返回的。

那么整个过程就比较清晰了：

难点：hash值以及复杂的cookies。

解决思路：phantomjs模拟登陆+保存cookies。

以上方案都是基于dfrobot登陆需要验证码的前提下，所以最初是研究怎么获得登陆后的cookies，后来发现不需要验证码，但是沿用了这一思路。其实直接用requests库登陆理论上也是可以的（解决hash值，post的时候要对应qd）

注意：如果使用手动输入网址进行抓包，每次一定要清理缓存，不然有的请求被缓存起来了，抓包是看不到的。

3、开始动工——登陆

我这里先以Windows下进行演示。开发环境配置包括以下步骤：

下载安装最新版Python3
安装相关依赖库：python -m pip install lxml selenium
下载安装phantomjs，记住安装路径如D:\Program Files (x86)\phantomjs\bin\phantomjs.exe
配置编辑器，以Visual Studio Code为例。Ctrl+Shift+X安装python拓展。

核心代码如下：

# -*- coding: utf-8 -*-

__author__ = 'Code_Paintium'
# Date：2017-9-14
# Filename：DFRobot vLogin

from selenium import webdriver
import pickle, time, requests, pathlib
from lxml import etree
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

class df_warmup():

  # 用户名、密码登陆
  def __init__(self, account_num, passwd_str):
    self.account_num = account_num
    self.passwd_str = passwd_str
    self.url = 'https://mc.dfrobot.com.cn/member.php?mod=logging&action=login'
    self.path = pathlib.Path('cookies.df')

    self.proxies = {
                    "http": "http://127.0.0.1:8888"
                   }
    self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko'}
    self.df = requests.session()

    if not self.path.exists():
      print('cookies not found, generating...')
      self.GetCookies()
      # 运行一次就会生成，防止死循环

  # 调用phantomjs获取cookies：
  def GetCookies(self):
    self.driver = webdriver.PhantomJS(executable_path=r'D:\Program Files (x86)\phantomjs\bin\phantomjs.exe')
    self.driver.get(self.url)
    wait = WebDriverWait(self.driver, 10)
    wait.until(EC.presence_of_element_located((By.NAME, "loginsubmit"))).click()

    self.account = self.driver.find_element_by_xpath('//input[starts-with(@id, "username_")]')
    self.account.clear()
    self.account.send_keys(self.account_num)

    self.passwd = self.driver.find_element_by_xpath('//input[starts-with(@id, "password3_")]')
    self.passwd.clear()
    self.passwd.send_keys(self.passwd_str)

    self.remember_me = self.driver.find_element_by_name('cookietime')
    self.remember_me.click()

    self.click_button = self.driver.find_element_by_name('loginsubmit')
    self.click_button.click()
    wait = WebDriverWait(self.driver, 10)
    wait.until(EC.presence_of_element_located((By.XPATH, "//*[@id='pm_ntc']")))

    pickle.dump(self.driver.get_cookies(), open("cookies.df", "wb"))
    self.driver.save_screenshot("df.png")
    self.driver.quit()      

df = df_warmup('username', 'password')
df.GetCookies()

相关知识：

定义了一个类 df_warmup，但是发现直接面向过程编程更快。。。
pickle模块用来原样保存cookies，和file不同。建议看看《A Byte of Python3(中文版)》中输入输出一节
python3内置pathlib模块，这里用来判断cookies文件是否存在。当然也可以用其他方法
lxml和更常用的BeautifulSoup库都是用来解析html文件，且lxml速度更快，支持XPath。这里用来查找返回的hash值。XPath可以在chrome中选中元素审查，右击复制。
登陆按钮点击过早可能网页还没完全加载，导致登陆失败。一种是载入time模块然后time.sleep(5)这种，另一种就是智能等待指定节点的指定属性加载完成，一般当登陆按钮的click属性加载完成就可以了，参考常用Selenium代码整理及Tips以及selenium 总结篇，常见方法和页面元素的操作
象征性的加个headers，其实df登陆不需要指定headers。一般我们需要设置User-Agent和Refer(防盗链)
phantomjs的路径前要加r表示转义，参考WebDriverException: Message: 'phantomjs.exe' executable needs to be in PATH.，linux和windows路径分别用\和/，所以windows下要转义。
输入框每次也会变，但是固定格式username_xxx，所以采用XPath模糊查找。参考XPath、XQuery 以及 XSLT 函数以及Selenium Webdriver元素定位的八种常用方式
截图来验证登陆成功，正式代码可以注释掉。用完之后phantomjs要quit()，不然会一直后台运行。
获取hash值，可以参考Python get value from input element with lxml xpath 。
Selenium支持的webdriver列表：http://docs.seleniumhq.org/projects/webdriver/ 。据说phantomjs载入保存的cookie文件时偶尔出错，所以推荐使用chrome或者firefox。
不加路径的话，默认文件路径为运行目录，不一定为程序所在目录。

基本我踩过的坑都写在上面了。至此，我们使用python+selenium以及phantomjs获取了一次完整登陆的cookies文件。参考Selenium Webdriver传递Cookies给requests及持久化，requests库使用cookies的方法如下：

import pickle
import requests

cookies = pickle.load(open("cookies.pkl", "rb"))

s = requests.session()
for cookie in cookies:
    s.cookies.set(cookie['name'], cookie['value'])

我们可以get一下home主页，看看服务器返回内容来确定cookies是否正确。