萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP cURL 模擬登入完整教學:從 Cookie 管理到多步驟驗證流程實戰

模擬登入是爬蟲、API 整合、自動化測試的核心技能。本文以模擬登入某論壇 (biuman.com) 為實戰案例,完整展示 Cookie 持久化、CSRF Token 處理、多步驟表單提交、HTTP Header 偽裝、錯誤重試 等企業級爬蟲必備技術。

核心架構設計

class LoginSimulator {
    private string $cookieFile;
    private string $userAgent;
    private array  $defaultHeaders;
    private CurlHandle $ch;

    public function __construct(string $cookieDir = __DIR__ . '/cookies') {
        $this->cookieFile = $cookieDir . '/cookie_' . md5($_SERVER['HTTP_HOST'] ?? 'default') . '.txt';
        $this->userAgent = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36';
        $this->defaultHeaders = [
            'Accept'          => 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
            'Accept-Language' => 'zh-TW,zh;q=0.9,en-US;q=0.8,en;q=0.7',
            'Accept-Encoding' => 'gzip, deflate, br',
            'Connection'      => 'keep-alive',
            'Upgrade-Insecure-Requests' => '1',
        ];
        if (!is_dir($cookieDir)) mkdir($cookieDir, 0755, true);
    }

    private function initCurl(): CurlHandle {
        $ch = curl_init();
        curl_setopt_array($ch, [
            CURLOPT_RETURNTRANSFER => true,
            CURLOPT_FOLLOWLOCATION => true,
            CURLOPT_MAXREDIRS      => 5,
            CURLOPT_AUTOREFERER    => true,
            CURLOPT_COOKIEJAR      => $this->cookieFile, // 回應 Cookie 寫入檔案
            CURLOPT_COOKIEFILE     => $this->cookieFile, // 請求攜帶 Cookie
            CURLOPT_USERAGENT      => $this->userAgent,
            CURLOPT_HTTPHEADER     => array_map(fn($k, $v) => "$k: $v", array_keys($this->defaultHeaders), $this->defaultHeaders),
            CURLOPT_SSL_VERIFYPEER => true,  // 生產必須開啟
            CURLOPT_SSL_VERIFYHOST => 2,
            CURLOPT_TIMEOUT        => 30,
            CURLOPT_CONNECTTIMEOUT => 10,
        ]);
        return $ch;
    }
    // ...
}

關鍵步驟解析

1. 獲取初始 Cookie (CSRF Token、Session ID)

public function fetchLoginPage(string $loginUrl): string {
    $ch = $this->initCurl();
    curl_setopt($ch, CURLOPT_URL, $loginUrl);
    curl_setopt($ch, CURLOPT_HTTPGET, true);
    $html = curl_exec($ch);
    if (curl_errno($ch)) throw new RuntimeException('Fetch login page failed: ' . curl_error($ch));
    curl_close($ch);
    return $html;
}
  • 首次 GET 請求建立 Session、取得 CSRF Token (隱藏表單欄位或 Meta 標籤)
  • CURLOPT_COOKIEJAR 自動儲存 Set-Cookie 標頭至檔案

2. 解析表單欄位與 Token

private function extractFormData(string $html, array $extraFields = []): array {
    $dom = new DOMDocument();
    @$dom->loadHTML($html);
    $xpath = new DOMXPath($dom);
    
    $formData = [];
    // 提取所有 input[name] 欄位
    foreach ($xpath->query('//form//input[@name]') as $input) {
        $name  = $input->getAttribute('name');
        $value = $input->getAttribute('value');
        $type  = $input->getAttribute('type') ?? 'text';
        if ($type !== 'submit' && $type !== 'image') {
            $formData[$name] = $value;
        }
    }
    // 合併額外欄位 (帳號、密碼、驗證碼等)
    return array_merge($formData, $extraFields);
}

3. 提交登入表單 (POST)

public function submitLogin(string $loginActionUrl, array $postData): string {
    $ch = $this->initCurl();
    curl_setopt_array($ch, [
        CURLOPT_URL        => $loginActionUrl,
        CURLOPT_POST       => true,
        CURLOPT_POSTFIELDS => http_build_query($postData), // 自動 application/x-www-form-urlencoded
        CURLOPT_REFERER    => $loginActionUrl, // 關鍵:某些站檢查 Referer
    ]);
    $response = curl_exec($ch);
    if (curl_errno($ch)) throw new RuntimeException('Login submit failed: ' . curl_error($ch));
    
    $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    curl_close($ch);
    
    if ($httpCode !== 200 && $httpCode !== 302) {
        throw new RuntimeException("Unexpected HTTP status: $httpCode");
    }
    return $response;
}

4. 驗證登入成功並後續請求

public function accessProtectedPage(string $url): string {
    $ch = $this->initCurl();
    curl_setopt($ch, CURLOPT_URL, $url);
    $html = curl_exec($ch);
    if (curl_errno($ch)) throw new RuntimeException('Access failed: ' . curl_error($ch));
    curl_close($ch);
    return $html;
}

完整執行流程範例

$simulator = new LoginSimulator();

// 步驟 1: 獲取登入頁面、Cookie、CSRF Token
$loginPageHtml = $simulator->fetchLoginPage('https://www.biuman.com/auth');
$formData = $simulator->extractFormData($loginPageHtml, [
    'username' => 'your_account',
    'password' => 'your_password',
    'captcha'  => 'MANUAL_INPUT_OR_OCR_RESULT', // 驗證碼需人工或 OCR 識別
]);

// 步驟 2: 提交登入
try {
    $loginResult = $simulator->submitLogin('https://www.biuman.com/home', $formData);
    // 判斷登入成功:檢查是否有登出連結、用戶名、導向目標頁
    if (strpos($loginResult, 'logout') !== false || strpos($loginResult, 'your_account') !== false) {
        echo "✅ 登入成功\n";
        
        // 步驟 3: 訪問需登入的頁面
        $profileHtml = $simulator->accessProtectedPage('https://www.biuman.com/user/profile');
        // 解析所需資料...
    } else {
        echo "❌ 登入失敗,回應內容:\n$loginResult";
    }
} catch (Exception $e) {
    echo "💥 異常:{$e->getMessage()}\n";
}

進階議題與解決方案

驗證碼自動識別

  • 簡單圖形驗證碼:Tesseract OCR + 圖片預處理 (灰階、二值化、去噪)
  • 滑塊/點選/行為驗證:需模擬瀏覽器指紋 + 滑軌軌跡生成,建議使用 Puppeteer / Playwright (Node.js) 或 PHP WebDriver 控制真實瀏覽器
  • 第三方打碼平台:2Captcha、Anti-Captcha 等 API 服務

反爬蟲繞過策略

防禦機制繞過方案
User-Agent 檢查使用真實瀏覽器 UA,定期輪換
IP 限流/封禁代理 IP 池 (住宅代理 > 資料中心代理)、請求間隔隨機化
JS 渲染/動態 TokenHeadless Chrome (Puppeteer/Playwright) 執行 JS 獲取 Token
瀏覽器指紋識別Stealth 插件、模擬 Canvas/WebGL/音訊指紋
行為分析 (鼠標軌跡、點擊節奏)模擬人類行為模型、隨機延遲、錯誤重試

Cookie 持久化與分散式共享

  • 單機:檔案儲存 (CURLOPT_COOKIEJAR/COOKIEFILE)
  • 分散式:Redis 儲存序列化 Cookie 陣列,Key 格式 cookies:{domain}:{account_id},TTL 同 Session 過期時間
  • 格式轉換:curl_share_init() + CURLSHOPT_SHARE 實現多 cURL handle 共享 Cookie 記憶體 (高併發效能最佳)

錯誤處理與監控最佳實踐

private function executeWithRetry(callable $curlExec, int $maxRetries = 3, int $baseDelay = 1): mixed {
    for ($attempt = 1; $attempt <= $maxRetries; $attempt++) {
        try {
            return $curlExec();
        } catch (RuntimeException $e) {
            if ($attempt === $maxRetries) throw $e;
            $delay = $baseDelay * (2 ** ($attempt - 1)) + random_int(0, 1000) / 1000; // 指數退避 + 抖動
            error_log("Attempt $attempt failed: {$e->getMessage()}, retry in ${delay}s");
            usleep($delay * 1_000_000);
        }
    }
}

結語

cURL 模擬登入的核心在於 完整的 HTTP 狀態管理 (Cookie、Session、Token、Header) 與 對目標站點反爬策略的精準應對。本文提供的類別架構具備生產級的錯誤處理、重試、日誌記錄能力,可直接擴展為通用的爬蟲基礎設施。記住:合法合規、尊重 robots.txt、控制請求頻率 是工程師的底線。

copyright © 萬盛學電腦網 all rights reserved