【Python】模拟登录上海西南某高校校园网 (jaccount)

好久没写东西了，最近学习了一下模拟登录，以校园网为例，作一记录。

去年的时候写过一篇模拟登录的文章，用的是登录后的cookies，这种操作比较傻瓜，也不智能，不够自动化，本质还是手动登录。
这次我尝试把登录过程用python进行，预先提供账号、密码即可。

众所周知（本校兄弟姐妹），本校所有身份认证现已完全由jaccount进行，只要通过了这一层验证，就相当于登录成功了。

以登录校园邮箱为例，先分析一下登录流程：

输入邮箱网址mail....edu.cn
跳转到jaccount验证页
输入账号、密码、验证码登录
跳转回邮箱页面，登录完成

难点分析：

跳转过程中有哪些数据需要携带？
验证码如何获取？如何识别？

刚开始想用requests解决所有问题，直到试了许多次也未能成功解决登录跳转的问题，只好放弃，转用更简单的selenium。selenium是一款可见即可得的自动化测试工具，在爬虫上用起来十分方便，它通过模拟人实际的操作实现对浏览器的控制，比如输入、点击、拖动等事件。

依次按照上述流程，进行编码（完整代码见文末）：

步骤一、打开浏览器，输入邮箱网址

browser.get('https://mail.sjtu.edu.cn')

此时，会弹出浏览器，自动打开该网页，当然，也会自动跳转到jaccount验证页面。

步骤二、输入账号、密码、验证码

账号、密码都比较好搞定，自己预设好就行了。然后通过开发者工具定位文本框位置，由以下命令可以输入到相应的文本框内。

input_user = browser.find_element_by_id('user')
input_user.send_keys(user)
input_pass = browser.find_element_by_id('pass')
input_pass.send_keys(pswd)

麻烦的还是验证码。首先要找到验证码图片源，再通过OCR工具进行识别。
通过分析，发现验证码是由https://jaccount.sjtu.edu.cn/jaccount/captcha这个站点生成的。要获取到正确的验证码，需要传入相应的uuid参数，以及cookies。OCR工具目前比较好用的是tesseract，所幸我们这个验证码比较简单，识别率很高。

通过对源码进行搜索，终于找到uuid了，就在这个登录表单里，通过xpath获取一下，拿到value

uuid = browser.find_element_by_xpath('//form/input[@name="uuid"]')
params = {
    'uuid': uuid.get_attribute('value')
}

此处为了便捷，我使用requests进行验证码下载，而selenium的cookies也和requests不同，selenium是比较完整的信息，如下：

[{'domain': 'mail.sjtu.edu.cn', 'httpOnly': True, 'name': 'JSESSIONID', 'path': '/', 'secure': False, 'value': '12l9qesot3vw61sz8brl8i74ir'}, {'domain': 'mail.sjtu.edu.cn', 'httpOnly': True, 'name': 'ZM_AUTH_TOKEN', 'path': '/', 'secure': False, 'value': '0_7b1bfd5665cabda2816d04d7e4f8438022c54538_69643d33363a35373935373238652d346539362d346434372d383837332d6331666264356130343337643b6578703d31333a313536393836323130303632323b747970653d363a7a696d6272613b753d313a613b7469643d31303a323134323231343838363b76657273696f6e3d31333a382e382e395f47415f333031393b'}, {'domain': '.sjtu.edu.cn', 'expiry': 1569818955, 'httpOnly': False, 'name': '_gat', 'path': '/', 'secure': False, 'value': '1'}, {'domain': '.sjtu.edu.cn', 'expiry': 1569905295, 'httpOnly': False, 'name': '_gid', 'path': '/', 'secure': False, 'value': 'GA1.3.452166840.1569818896'}, {'domain': '.sjtu.edu.cn', 'expiry': 1632890895, 'httpOnly': False, 'name': '_ga', 'path': '/', 'secure': False, 'value': 'GA1.3.1066557857.1569818896'}]

而我们传入requests的只需要cookie名字和值即可，故可通过字典推导式，生成requests所需的cookies:

cookies = browser.get_cookies()
cookies = {i["name"]: i["value"] for i in cookies}

这样一来就可以获取验证码了，

response = requests.get(captcha_url, cookies=cookies, params=params)
with open('img.jpeg', 'wb+') as f:
    f.writelines(response)

这样验证码就被保存到img.jpeg文件中，识别验证码只需要以下两行代码即可：

image = Image.open('img.jpeg')
code = pytesseract.image_to_string(image)

最后，输入验证码，并确定，就可以跳转回登录后的邮箱界面。

input_code = browser.find_element_by_id('captcha')
input_code.send_keys(code)
input_code.send_keys(Keys.ENTER)

如果你用的是可视化浏览器，这时候就可以看到自己的邮箱了。
可以再看看当前的url，是不是已经跳转回邮箱的url了呢?

print(browser.current_url)

成功登录之后，要爬取什么东西都很简单了，比如课程表、好大学在线的课件等等~

完整代码

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import requests
import pytesseract
from PIL import Image

browser = webdriver.Chrome()

url = "https://mail.sjtu.edu.cn/"
captcha_url = "https://jaccount.sjtu.edu.cn/jaccount/captcha"
user = 'ben'
pswd = '********'


def get_captcha(captcha_url, cookies, params):
    response = requests.get(captcha_url, cookies=cookies, params=params)
    with open('img.jpeg', 'wb+') as f:
        f.writelines(response)

try:
    browser.get(url)
    cookies = browser.get_cookies()
    cookies = {i["name"]: i["value"] for i in cookies}
    uuid = browser.find_element_by_xpath('//form/input[@name="uuid"]')
    params = {
        'uuid': uuid.get_attribute('value')
    }
    get_captcha(captcha_url, cookies, params)
    image = Image.open('img.jpeg')
    code = pytesseract.image_to_string(image)
    print(code)
    input_user = browser.find_element_by_id('user')
    input_user.send_keys(user)
    input_pass = browser.find_element_by_id('pass')
    input_pass.send_keys(pswd)
    input_code = browser.find_element_by_id('captcha')
    input_code.send_keys(code)
    input_code.send_keys(Keys.ENTER)
    print(browser.current_url)
finally:
    print('success!')