【前提】

想要实现使用某种语言，比如Python，C#等，去实现模拟登陆网站的话，首先要做的事情就是使用某种工具，去分析本身使用浏览器去登陆网页的时候，其内部的执行过程，内部逻辑。

此登陆的逻辑过程，主要指的是，需要访问哪些地址，提交哪些http请求，其中包含了有哪些查询关键字，涉及到哪些post的数据，涉及到哪些cookie等等。

只有知道了内部逻辑过程，才能谈及，使用某种语言去实现，模拟，此套登陆网站的过程。

关于分析工具，其实有很多种，此处选用，之前在

【总结】浏览器中的开发人员工具（IE9的F12和Chrome的Ctrl+Shift+I）-网页分析的利器

所介绍的IE9的F12。

在分析之前,虽然不需要你有太多的网络相关的基础，但是，如果真正想要熟悉分析网站抓取，模拟网站登陆的话，还是需要了解相关的知识的。

其中，和cookie相关的内容，可参考：

【总结】关于Http的Cookie的一些知识

【经验总结】Http，网页访问，request，response相关的知识

---

【使用IE9的F12分析登陆百度首页的内部逻辑过程】

1.准备好工具，配置好工具

打开IE9，打开百度首页：

http://www.baidu.com/

按F12，调出F12工具，再切换到Network界面：

然后点击“Start capturing”开始调试：

下面就来利用F12来调试，分析登陆的内部逻辑。

不过，在调试之前，先去做一些配置上的准备工作：

（1）设置网页跳转时，已抓取的数据不被清除掉

即设置：

Tools -> Clear entries on navigate中的Console和Network，都取消掉：

这样，在网页分析过程中，由于从一个页面跳转到另外一个页面，所抓取的到内容，就不会被清空掉了。

（2）清除旧的cookie和缓存

为了后续的调试，不被之前的已登陆的账户的（缓存和cookie等）信息所影响，所以去都清除掉：

其中，简单解释一下是：

A。2个和清除cookie有关的：

Cache->Clear session cookies:清除当前会话，即访问当前这么一堆网页所涉及的cookie

Cache->Clear cookies for domain:清楚和当前网页所属的domain，此处为.baidu.com相关的cookie；

B。2个和缓存cache有关的

另外，为了清除的更彻底，往往也顺带把cache，即缓存的网页，也顺带都清理了：

Cache->Clear browser cache

Cache->Clear browser cache for this domain

更多关于F12如何使用的事情，还是去参考之前所写的：

【总结】浏览器中的开发人员工具（IE9的F12和Chrome的Ctrl+Shift+I）-网页分析的利器

接下来的所有操作，实际上就是，在IE9中，手动操作一遍，登陆百度首页的过程而已。

2.模拟操作过程，利用工具抓取所需的整个过程

点击“登陆”：

可以看到，除了网页中跳出你所熟悉的登陆对话框之外，F12调试窗口中，就已经抓取到很多内容了。

然后输入用户名和密码，正常登陆：

然后，就可以看到网页调转到了：

http://www.baidu.com/index.php

以及，对应的抓取到了很多内容：

好了，到此为止，我们的操作，基本就结束了。

剩下的，就是从我们所已经抓取到的信息中，找到是如何登陆的。

3.分析网站登陆的内部逻辑过程

3.1找到登陆网站所涉及的最核心的地址

对于熟悉的人，可以直接从那一堆的url中，找到哪个是登陆的页面。

而现在假定你不熟悉，教你如何找到真正的有价值的信息。

对于此处，我们可以想到的一种办法是，通过直接搜索密码，而搜到哪里发送了我们的密码：

【小提示：显示内容时，设置为 自动换行】

当抓取出来的Request Body，Response Body等部分的内容中，单行内容太长，一行显示不下，不方便查看时，可以点击右键，选择Word wrap：

即可实现自动换行显示的效果了，方便查看了：

此处，很容易看到，此处和我们密码相关的url地址为：

https://passport.baidu.com/v2/api/?login

即，以后如果想要写代码的话，所要访问的url地址，就是这个地址了。

3.2分析所提交的数据（post data）中的参数和值

而且，此处的Request Body，就是对应的http的POST请求中所要提交的数据，简称为post data。

此处Request Body中完整的数据为（注：以下数据，是另外一次分析出来的结果，对解释分析过程无影响）：

ppui_logintime=6852&charset=utf-8&codestring=&token=5ab690978812b0e7fbbe1bfc267b90b3&isPhone=false&index=0&u=&safeflg=0&staticpage=http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html&loginType=1&tpl=mn&callback=parent.bdPass.api.login._postCallback&username=crifan&password=xxxxxx&verifycode=&mem_pass=on

然后处理一下就是：

ppui_logintime=6852&  charset=utf-8&  codestring=&  token=5ab690978812b0e7fbbe1bfc267b90b3&  isPhone=false&  index=0&  u=&  safeflg=0&  staticpage=http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html&  loginType=1&  tpl=mn&  callback=parent.bdPass.api.login._postCallback&  username=crifan&  password=xxxxxx&  verifycode=&  mem_pass=on

再去掉后面的那个&字符，变为：

ppui_logintime=6852  charset=utf-8  codestring=  token=5ab690978812b0e7fbbe1bfc267b90b3  isPhone=false  index=0  u=  safeflg=0  staticpage=http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html  loginType=1  tpl=mn  callback=parent.bdPass.api.login._postCallback  username=crifan  password=xxxxxx  verifycode=  mem_pass=on

很明显，此处就是模拟网站登录的核心数据了，是在写代码时，对于

url=https://passport.baidu.com/v2/api/?login

提交POST请求时，所以要发送的一些参数和值了。

此处，再重新简要的介绍一下，模拟登陆网站的基本逻辑：

想要模拟网站登陆，就要知道，要向什么url地址，发送什么样的数据，GET请求还是POST请求。

• GET请求只从服务器请求数据，不需要所谓的post data，但是往往需要在url后面添加上对应的?para1=val1&para2=value2之类的形式，此部分叫做query parameter，其本质上，有点类似于post data；
• POST请求，在发送请求时，还需要提供对应的post data，此处即对应着IE9的F12中的Request Body。
  • 而余下的，发送请求时的其他相关参数设置，主要就是设置很多基本的参数，包括user-agent等，此处对应着那个Request Headers

而提交请求后，网站的服务器会给你反馈，返回数据和信息给你。

此处对应的就是Response Headers和Response Body。

经常地，其中还涉及到cookie等信息。在发送之前，准备好，发送给服务器，服务器返回的信息中，往往也包含，更新后，cookie的值。

对应的这部分内容，是Cookies部分。

此处，把所有的内容，分别截图如下：

Request Headers

Request Body：

Response Headers：

Response body:

Cookies:

接下来，就是分析，如何获得所需的信息。

先分析上述的post data中的值：

ppui_logintime=6852  charset=utf-8  codestring=  token=5ab690978812b0e7fbbe1bfc267b90b3  isPhone=false  index=0  u=  safeflg=0  staticpage=http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html  loginType=1  tpl=mn  callback=parent.bdPass.api.login._postCallback  username=crifan  password=xxxxxx  verifycode=  mem_pass=on

都是怎么来的。

分析值是如何来的，以及顺带说说，写代码时，如何设置这些值。

在此之前，先解释一下，在代码中关于如何设置这些参数的值的规律和经验：

（1）对于有参数，但是值为空的哪些参数，一般来说，都是可以省略的。

即写代码时，是可以去掉，忽略掉，这些参数的；

当然，如果你抓取出来的参数是有值的，则需要考虑其值是怎么得到的，是否有意义，否则随便忽略掉某些参数，可能会导致模拟登陆失败的。

（2）对于，看不太懂的参数的值的情况下，不妨先使用抓取出来的数据

尤其是一些参数，看不太懂，而且其值又明显不是那种，很可能会变化的数字之类的值，则一般情况下，也都是固定的值，所以，即使对于参数和值本身不太了解，也无所谓，也都可以直接在代码中，直接使用抓取出来的数据即可。

即使会导致出错，一般来说，也可以通过后续的多次抓取和分析，看出来该值真正的规律。

在上面那一堆参数和值中：

（1）一些很明显，是固定的值，不需要考虑太多的值有：

charset=utf-8 -> 表示当前网页的编码是utf-8，我们写代码照着写即可，不需要改；

codestring= ->此处为空，所以也可以不理会；

isPhone=false -> 很明显，此处是通过PC登陆百度的，不是通过手机类的移动设备登陆的，所以是false。所以写代码时，也设置为false即可；

细心的读者，也很容易回想起，此处是对应着之前的登陆界面中的“手机登陆”：

如果是我们是通过“手机登陆”百度时，不出意外的话，肯定参数是isPhone=true

index=0 -> 未知，但是也没看出来是什么含义，所以也直接设置为0即可；

u=-> 空值，同样设置空值即可；

safeflg=0 -> 未知，所以也可以暂且不管，同样设置为0即可。

username=crifan -> 很明显，是我们的账号，不多解释； 
password=xxxxxx -> 同理，是对应的密码； 
verifycode= ->此处为空，所以也可以不管； 
mem_pass=on -> 很明显，是memory password的所写，即记住密码，对应的页面是，我们已经勾选的"记住我的登陆状态"：

（2）另外一些就是不太容易一眼就看出来的值，需要简单解释一下的：

staticpage=http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html ->

此处，等有了一定的调试经验，和本身具有一定的url的encode，decode基础的话，可以直接看出来，这个值

http%3A%2F%2Fwww.baidu.com%2Fcache%2Fuser%2Fhtml%2Fjump.html

是原先某个url地址，编码之后的值。

而对应的原始的值，可以在代码中去解码而获得；

此处先直接给出原始值：

http://www.baidu.com/cache/user/html/jump.html

关于如何通过此，被编码的url地址中，获得原始的url地址，详细解释在这里：

【整理】关于http(GET或POST)请求中的url地址的编码(encode)和解码(decode)

loginType=1 -> 未知，但是一般不知道的值，都可以先按照原先的值去设置即可；

tpl=mn -> 未知，也还是同样设置即可；

callback=parent.bdPass.api.login._postCallback -> 未知，也同样设置即可；

（3）再剩下的，就是需要去分析调查，才知道为何是这样值的了：

ppui_logintime=6852

此值6852，看起来就像是会变化的。但是到底如何得到的，则需要去分析分析了。

所以就去搜索6852：

经过搜索，发现结果只能搜到此单独一处的6852，貌似没办法找到此数据如何得到的。

但是，我们可以再去搜其参数ppui_logintime，然后另外在别的文件中也可以找到2处，其中一处是：

很明显，此处是javascript脚本：

https://passport.baidu.com/js/pass_api_login.js?v=20121018

在其中根据实际情况计算出来的。

【小提示：对于参数的处理策略】

对于涉及的很多参数，总的说，有两种策略：

一是，直接忽略此值，暂时不管。因为很多时候，有些参数，至少是这样看起来，不是那么重要的参数（重要的参数，相信我不说你自己也能看出来，是那些username，password之类的参数）。

然后就去写程序去模拟了。而真的等到程序运行出错，服务器没有返回你所期望的信息的时候，再回来分析此参数，看看是不是这个参数所导致的。

然后再试图去分析其真正的值；

二是，继续分析，甚至调试javascript代码，以便找到此值到底是如何一点点计算出来的。此过程可能会极其繁琐，也可能相对简单。要取决于此值被计算出来所经历的过程的复杂度。

此处，在表面看起来，这个参数ppui_logintime，大概意思是登陆的时间，所以推测是服务器为了记录你本地登陆百度的时间，和能否登陆百度这个过程本身，应该不会产生根本的影响，所以此处就可以采用策略一，暂时忽略不管。

万一真的有影响，再回来继续分析也不迟。

token=5ab690978812b0e7fbbe1bfc267b90b3 ->

此值5ab690978812b0e7fbbe1bfc267b90b3，很明显，是需要从别的地方找到的。所以就去分析此值是如何来的。

同理，继续去搜5ab690978812b0e7fbbe1bfc267b90b3，然后是可以搜到的，然后通过点击搜索框中的向前和向后的按钮，是可以找到这个

2/68 条记录，对应url是：

https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

的这处的：

【小提示：在两种视图模式：Detailed View和Summary View之间切换】

对应的，可以通过点击“Back to summary view”，而更加清楚的看到，是哪条记录，以及对应的视图模式中，显示出：

Go to detailed view

对于上述所搜到的内容，很明显可以看出，就是我们在通过网页登陆百度首页过程中，通过IE9的F12抓取出来的记录知道了，其内部还是会先去访问：

https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

然后会获得Response Body，即（服务器所返回的）html源码，其中包括了：

的，此时，你应该就明白了，到时候我们去写代码时，想要获得上述token的值的话，就需要先去

对于

url=https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

发送GET请求，获得对应的html代码，然后从中分析出token的值5ab690978812b0e7fbbe1bfc267b90b3；

而写到此，基本逻辑过程，也相对清楚了。

但是有人很快会想到，即使上述代码写出来了，又如何能确保的确已经模拟登陆成功了，即如何验证此处模拟登陆百度首页成功了呢？

此处，根据经验，主要通过两方面来验证：

【小提示：如何验证模拟登陆网站已成功】

一是返回的html代码

返回的html代码，即对应着F12中的Response Body，此处为截图如下：

如果你登陆成功了，那么代码中所获得的返回的html中，至少也应该是类似的html了。

二是cookie

如果你成功登陆了服务器，那么其所返回的值中中，对于cookie，一般都是会有对应的，和成功登陆有关的新的cookie返回给你的，以及另外更新一些原先发送的一些cookie的值。

此处F12中的Cookies的截图如下：

很容易看出，当登陆成功后，会返回那一堆的cookie，拷贝出来如下：

而当代码模拟登陆成功后，则也肯定会收到类似的cookie的。

【小提示：关于cookie，需要注意的事情】

此处，需要特别提示一句，如果你在最开始没有去清除cookie，则很可能看到的cookie结果是这样的：

即，登陆前后的cookie，都有BDUSS，PTOKEN，STOKEN，SAVEUSERID。

这是因为，之前通过别的账号，以及同样的账号crifan，登陆过，所以IE9已经在本地记录了相关的cookie。

所以，在访问该url时，能看到Sent中已经存在了类似的cookie。

所以，总的来说，可以通过返回的html和cookie，来验证是否登录成功了。

而一般来说，通过验证cookie，是最有效的。因为很多时候，某些网站登陆成功和登陆失败，所显示的页面可能是同一个；

但是登陆成功的话，基本都会有对应的，新的，和登陆有关的cookie，返回的。

一般来说，实际上，对于很多不是很复杂的网站，到这一步，就完全就够了，就能够成功模拟登陆了。

但是，后来经过代码的证实，如上的流程，实际上是行不通的，因为对于去访问：

https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

实际上，返回的html是：

其中的：

bdPass.api.params.login_token=’the fisrt two args should be string type:0,1!’;

是无法正确获得我们所需要耳朵token的值的。

所以，接下来，就是继续去想办法，找到此处没有正确获得返回的html的原因。

不过，首先要知道的，无论何时，从抓取出来的数据来看，只要你程序是完整模拟了整个浏览器所发送的所有的数据，此处即IE9所发送的request headers：

和post data（Request body），此处为空：

那么，程序所获得的返回值，就应该也和所抓取到的数据一样，即应该就可以从返回的html（response body）中获得所需的token的值了。

而此处之所有没有获得，对照上述所抓取的数据去看，则很可能是，request headers中某些值，比如cookie值，referer等值，没有赋值正确，导致返回的html不对。

所以，接下来，就是想办法，尝试一点点，完全找到上那些cookie的值，referer等的值，都是从哪里来的。

具体寻找的办法，其实还是那些笨办法，就是去搜索，然后一点点找线索，对于某个值，最初是哪里获得的。

好的，现在接着就以其中一个最复杂的cookie：SAVEUSERID，来说明，到底是如何分析出来的，找到最开始的SAVEUSERID是从哪里来的：

不过，此部分内容，相对比较复杂，所以单独写到这里了：

【教程】如何利用IE9的F12去分析网站登陆过程中的复杂的（参数，cookie等）值（的来源）

最终，才分析出来，SAVEUSERID是通过访问：

https://passport.baidu.com/v2/api/?login

而获得的。

而相应的，访问https://passport.baidu.com/v2/api/?login之前，需要用到BAIDUID。

所以又用同样的分析方法，去找到BAIDUID这个cookie的最开始的来源（又重新打开浏览器，重新分析了一次）：

因此，即为：

先访问：

http://www.baidu.com/

去获得对应的BAIDUID，接着去访问：

https://passport.baidu.com/v2/api/?login

其中发送的数据中，包括BAIDUID，返回数据中，得到SAVEUSERID。

而此时，其实访问

https://passport.baidu.com/v2/api/?login

本身就是我们所追求的目标，模拟登陆百度。

所以后续的SAVEUSERID，其实此处是可以不用，只是去通过校验cookie，而验证登陆是否成功时，会涉及到而已。

然后再去回头看之前所说的：

https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

再次重现抓取所看到的结果为：

就容易看懂了，即需要在访问：

https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true

时，提供BAIDUID这个cookie。

另外，再确认一下，访问：

https://passport.baidu.com/v2/api/?login

正确登陆时，所返回的cookie：

其中的cookie的详细的值为：

可见，其中至少包括：

BDUSS，PTOKEN，STOKEN，SAVEUSERID

（其中，对于原先域名为baidu.com的PTOKEN，是被删除掉的，此处暂可忽略）

3.3 总结出模拟登陆网站的基本流程

至此，对于想要模拟登陆百度首页：

http://www.baidu.com/

的内部逻辑过程，基本上就很清楚了：

顺序	访问地址	访问类型	发送的数据	需要获得/提取的返回的值
1	http://www.baidu.com/	GET	无	返回的cookie中的BAIDUID
2	https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true	GET	包含BAIDUID这个cookie	从返回的html中提取出token的值
3	https://passport.baidu.com/v2/api/?login	POST	一堆的post data，其中token的值是之前提取出来的	需要验证返回的cookie中，是否包含BDUSS，PTOKEN，STOKEN，SAVEUSERID

【小提示：分析模拟登陆时，未必非得要完全搞懂和在代码中用到所有的参数】

对于上述流程，按理来说，去使用代码，Python或C#等，去实现出来，即可。

不过，关于模拟登陆时所需要的数据，多解释一下。

按理来说，完整的模拟网站登陆的话，其实应该是从头到尾的，分析出浏览器（IE9）本身是如何访问网站的，然后把所有的逻辑搞懂，数据的来源都分析清楚，即如上述过程，对于访问

https://passport.baidu.com/v2/api/?login

所需要的那么一堆参数，都去搞懂具体的含义，以及参数的值，是怎么获得的。

而实际上，很多时候，模拟网站登陆，或者是抓取网页信息的时候，只需要最关心的那些核心参数即可。

因为，服务器，很可能，只是去判断那些核心参数，比如上述的username，password，及其他几个参数，

然后就可以正确返回你所需要的信息，即html，cookie等，就可以成功实现模拟登陆的目的了。

但是，话说回来，具体需要哪些，最基本的参数，还是需要通过写程序，去一点点测试出来的。

而之所以给大家介绍上述的概念，目的是为了，在你觉得自己能看懂参数的大概含义的时候，很多时候，能看出该参数不要也无所谓的时候，那就可以先去测试基本的参数，而暂时忽略其他相对次要的参数。

由此，在一定程度上，提高做事情的效率而已。

当然，在忽略参数的时候，也要注意，不要轻易忽略很多参数，否则也是很可能影响到程序模拟登陆的正确性的。

具体的尺度的把握，就一点：根据情况而定，自己看着办。

【总结】

至此，关于模拟登陆网站，如何一步步的分析出内部逻辑过程，就完成了。

总结下来就是，先去用工具“录制”你所有的操作，然后再去利用工具去分析和登陆有关那些url的相关的信息，主要是post data有哪些参数，以及其值是如何获得的。