了解http常见状态码
可以通过输入错误的密码来找到登陆知乎的post：url
把Headers拉到底部，可以看到form data
_xsrf是需要发送的，需要发送给服务端，否则会返回403错误，提示用户没权限访问
获取xsrf的方法：
# -*- coding: utf-8 -*- import requests,re
#py2里叫cookielib，py3里叫cookiejar
try:
import cookielib
except:
import http.cookiejar as cookielib #拿到浏览器设置的用户代理
User_Agent = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.90 Safari/537.36"
#定义header，注意：header里的key是固定的
header = {
"HOST":"www.zhihu.com",
"Referer":"https://www.zhihu.com",
"User-Agent":User_Agent
}
def get_xsrf():
#可以通过自定义请求头来传入User-Agent
response = requests.get("http://www.zhihu.com",headers=header)
print(response.text)
return '' get_xsrf()
接着使用re模块来获取到这一行数值
#如果匹配不到，那可能是中间有换行符的原因，可以加上re.dotall
match_obj = re.match('.*name="_xsrf" value="(.*?)"', response.text, re.DOTALL)
每次查看知乎页面要用get和post创建新连接效率不高，可以使用session，后面使用requests的方法就在session上调用
session = requests.session()
session = requests.session()
#给session的cookies方法重新指定，cookielib类实例出来的LWPCookieJar方法可以很方便的保存文件
#可以指定一个文件名，如果文件不存在会自动创建。
session.cookies = cookielib.LWPCookieJar(filename="cookies.txt") try:
#加载cookies
session.cookies.load(ignore_discard=True)
except:
print("cookie未能加载") def get_index():
"""
前面用session保存了cookie到本地，这里我再用session调用get方法时，会自动把cookie带过去。
:return:
"""
response = session.get("https://www.zhihu.com", headers=header)
with open("index_page.html","wb") as f:
f.write(response.text.encode('utf-8'))
print("OK")
要判断是否已登陆，可以访问一些需要登陆才有权限访问的页面，比如知乎页面的登陆后的我的私信页面，用FireFox可以先看到返回状态：302临时重定向
接着301重定向，不过我用chrome检测，直接从第三行数据开始展示
所以可以获取状态码来判断是否登陆：
PS:get方法有个参数allow_redirects是否允许重定向，默认是True，如果访问的url状态是301/302,则会去访问重定向的url
def is_login():
#通过个人的私信页面判断是否已登陆
inbox_url = "https://www.zhihu.com/inbox"
#allow_redirects参数是否跳转到重定向的url
response = session.get(inbox_url,headers=header,allow_redirects=False)
if response.status_code != 200:
status_code = False
else:
status_code = True
return status_code
测试获取xsrf时服务器返回500错误，这个是因为使用requests模块时，没有设置浏览器的用户代理，不同的浏览器这个值是不一样的，有的服务器会验证这个是否合法的，这是服务器的一种防御策略。
处理方法：
在知乎登陆界面F12，刷新页面，找到Header请求头：