微博很火啊，開發了一個微博爬蟲應用
有的人 會說 新浪微博 不是API嗎，為什麼還要取單獨開發爬蟲系統呢
如果你用過新浪微博API，你就知道，有著諸多限制，功能少，信息少，信息不全，調用次數限制，重新授權等等 一系列的問題，最主要是返回的信息量少喝調用次數限制，
還有針對IP的.
我們設計這個爬蟲的初衷是新浪微博的所有信息，目前是70%，為什麼不是100%呢，說到底 還是資源問題了.
新浪微博號稱有3億多人，實際上我們發現存在的加上新注冊的大概在2億左右，其他的都是僵屍用戶。
這些後續 再說吧。
這個系統最重要的第一步就是模擬登錄了，如果登錄都不行，後續的都是扯淡.
這個模擬登錄早在2011年3月份就搞定了，到現在，登錄也改過好幾次，主要新浪那邊有變動.
新浪模擬登錄不算很復雜，最麻煩的就是驗證碼了.
要搞清楚這個登錄，必須有些工具 httpfox,httpwatch,Fidder等web抓包工具中的一個。
我這裡用的是httpFox,獲取浏覽器
weibo.com打開後，你需要找到對你登錄可能產生影響的請求，上面藍色的返回的參數都是我們需要的，貌似 現在我以前又有點不一樣了，
sinaSSOController.preloginCallBack({"retcode":0,"servertime":1346291808,"pcid":"ec06b269ce680ef43ce669d56f9abbfd9d43","nonce":"28FKAG","pubkey":"EB2A38568661887FA180BDDB5CABD5F21C7BFD59C090CB2D245A87AC253062882729293E5506350508E7F9AA3BB77F4333231490F915F6D63C55FE2F08A49B353F444AD3993CACC02DB784ABBB8E42A9B1BBFFFB38BE18D78E87A0E41B9B8F73A928EE0CCEE1F6739884B9777E4FE9E88A1BBE495927AC4A799B3181D6442443","rsakv":"1330428213"})
servertime nonce 都是登錄時候需要提交的，以及密碼加密，pubkey 是RSAJS 加密的公共密鑰 pcid rsakv post時候需要帶上去
這些返回值你都需要保存下來。
現在開始登錄
分析提交的參數:
entry=weibo&gateway=1&from=&savestate=7&useticket=1&vsnf=1&ssosimplelogin=1&su=dGVzdCU0MHNpbmEuY29t&service=miniblog&servertime=1346292130&nonce=28FKAG&pwencode=rsa2&rsakv=1330428213&sp=29f86ffc66bbd9ed7d750777a918fdf776211ef8ce4c3d4266111df5e3ad3cd06e2c11c9811a945d245b19eaf51174e70c798735ba5c96bb97220531c4131a6dc5f7207abeb2072401901e3259912b8e2cda3b6e540049b232d72d0693d7bb8db4d8e5d03f2f2b16c0bf11e3c0137150c80d355197b84da510d8c4ca117bbc58&encoding=UTF-8&prelt=264&url=http%3A%2F%2Fweibo.com%2Fajaxlogin.php%3Fframelogin%3D1%26callback%3Dparent.sinaSSOController.feedBackUrlCallBack&returntype=META
固定的我就不說了，
su賬號base64加密 應改都會把
sp是密碼的加密是下面這個方法，至於說 怎麼知道這些加密的，其實也不是很復雜，你需要把這個頁面的JS 下載下來單獨分析，看哪個地方是最終post數據的，再逆向找加密的地方就知道了 SHAEncrypt 就是sha加密了
[csharp]
protected static string SinaSHA(string pwd, string servertime, string nonce)
{
StringBuilder sbl = new StringBuilder();
string tmppwd = SHAEncrypt(SHAEncrypt(pwd));
sbl.Append(tmppwd);
sbl.Append(servertime);
sbl.Append(nonce);
return SHAEncrypt(sbl.ToString());
}
servertime,nonce,rsakv,pdid(主要是在需要驗證碼的時候獲取)獲取過的
參數都解決了，再看返回值
<html>
<head>
<title>ÐÂÀËͨÐÐÖ¤</title>
<meta http-equiv="refresh" content="0; url='http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&retcode=101&reason=%B5%C7%C2%BC%C3%FB%BB%F2%C3%DC%C2%EB%B4%ED%CE%F3'"/>
<meta http-equiv="Content-Type" content="text/html; charset=GBK" />
</head>
<body bgcolor="#ffffff" text="#000000" link="#0000cc" vlink="#551a8b" alink="#ff0000">
<script type="text/javascript" language="javascript">
location.replace("http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&retcode=101&reason=%B5%C7%C2%BC%C3%FB%BB%F2%C3%DC%C2%EB%B4%ED%CE%F3");
</script>
</body>
</html>
只有當retcode=0的時候 才是登錄成功，其他的都是登錄失敗,
101密碼錯誤
5 也是密碼錯誤
4057 你的賬號異常了，需要人工認證下，
4049，2070 是需要驗證碼哦。
這裡是登錄失敗了。如果是登錄成功
<html>
<head>
<title>Sina Member</title>
<meta http-equiv="Content-Type" content="text/html; charset=GBK" />
<script charset="utf-8" src="http://i.sso.sina.com.cn/js/ssologin.js"></script>
</head>
<body>
Signing in ...
<script>
try{sinaSSOController.setCrossDomainUrlList({"retcode":0,"arrURL":["http:\/\/kandian.com\/logon\/do_crossdomain.php?action=login&savestate=1346897732","http:\/\/login.t.cn\/sinaurl\/sso.json?action=login&uid=你賬號的UID"]});}catch(e){}try{sinaSSOController.crossDomainAction('login',function(){location.replace('http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack&ssosavestate=1346897732&ticket=ST-MTk3NDEyNjk1NQ==-1346292932-xd-B6F5BF7A5E4438EA368D6116E6FD1622&retcode=0');});}catch(e){}
</script>
</body>
</html>
這個retcode=0的就是登錄成功了.
接下來 就需要提取這裡面的3個URL了，分別請求一遍就OK了
值得注意的是，這一些列都要用同一個CookieContainer
到此，登錄就成功了，接下來看需要驗證碼的.
當你的IP，或者賬號 對新浪來說有懷疑的時候，主要是訪問次數過多的問題的，或者你賬號異常的情況，需要你輸入驗證碼
找了半天，賬號都忘記了，一時找不到 登錄需要驗證碼的賬號
如果是需要驗證碼:
post時候加個參數就可以了
door=驗證碼
當然你請求驗證碼的時候需要pcid就是上面的那個，同時需要同一個cooki了,
至於驗證碼怎麼解決，我在驗證碼識別中有記錄.
這樣登錄就都搞定了。
