Python|Flask框架实现QQ账号登录

简介: Python|Flask框架实现QQ账号登录

前期准备

因为注册QQ互联需要已备案的网站,所以需要准备一个已备案的网站与域名。

首先访问QQ互联平台https://connect.qq.com/,注册成为开发者;

然后创建一个网站应用,等审核成功后会得到一个APP ID与APP KEY,后面会使用到。

开发流程

图1 准备网站应用

1 前端放置登录按钮

在网站找一个合适的位置放置登录按钮(建议放置在首页、登录页以及注册页)。登录按钮图标在QQ互联平台下载,上面提供了多种样式。效果如下:

图2 登陆页

具体HTMl代码如下:

<a 

href="https://graph.qq.com/oauth2.0/authorize?response_type=code&client_id=YOURAPPID&redirect_uri=URL">

<img src="{{url_for('static',filename'base/images/Connect_logo_7.png')}}"></a>

其中a标签中 client_id 是最开始申请的APPID,redirect_uri是申请网站填写的网站回调域。

这样点开QQ登录按钮,就能跳转到QQ登录的界面:

图3 转跳后页面

2 获取Access Toke

当登录成功后,会跳转到刚刚所填写的回调地址。并且url后面会跟上Authorization Code此Code在10分钟内过期)。接着通过Code值去获取Access Token(Access Token是应用在调用OpenAPI访问和修改用户数据时必须传入的参数)。

为了获取Access Token需要请求:

https://graph.qq.com/oauth2.0/token,方式为GET,请求参数包括以下:

参数

是否必须

含义

grant_type

必须

值为“authorization_code”。

client_id

必须

申请QQ登录成功后,分配给网站的appid。

client_secret

必须

申请QQ登录成功后,分配给网站的appkey。

code

必须

上一步返回的authorization code

redirect_uri

必须

与上面一步中传入的redirect_uri保持一致。

如果成功返回,就可以得到Access Token。这一步具体代码如下:

@home.route('/mycb')

def mycb():

    data = request.args.to_dict()

    code = data.get('code') #获取authorization code

    url = 'https://graph.qq.com/oauth2.0/token'

body={'grant_type': 'authorization_code', 'client_id': '101860781','client_secret':'0f5a014e13e7d35fbcca51ecc2ff6745','code':code,'redirect_uri':'https://yujl.top/mycb'}

#body为上面所说的请求参数

    response = requests.get(url, params=body) #发送GET请求

    token = response.text 得到返回包

    token_url = '?' + token

    requests.session().close() #关闭请求

    return redirect('/token' + token_url)

由于返回回来的包格式为:

access_token=61897CE***************D444F968BD2A&expires_in=77**000&refresh_token=0018693**************6009D9C2EFBE

这样不能直接转换为json格式,所以将这个包作为参数然后转发到/token,以此来得到json格式的token。

@home.route('/token')

def token():

    data = request.args.to_dict() #得到access_token、expires_in、refresh_token

3 通过access_token来获取open_id

接着需要通过access_token来获取open_id(openid是此网站上唯一对应用户身份的标识,网站可将此ID进行存储便于用户下次登录时辨识其身份)。

请求地址为https://graph.qq.com/oauth2.0/me,方法还是GET,参数就是上面获取到的access_token。具体方法为:

def get_openid(data): data为token得到的数据包

    url = 'https://graph.qq.com/oauth2.0/me'

    body = {'access_token': data.get('access_token')}

    response = requests.get(url, params=body)

    open_id = json.loads(response.text[10:-4])

    open_id = open_id.get('openid')

    requests.session().close()

    return open_id

4 调用OpenAPI

得到open_id就可以调用OpenAPI了,API列表如下:

图4 API列表

接下来以get_user_info 为例:

还是以GET方式请求:

https://graph.qq.com/user/get_user_info,

需要的参数有access_token、oauth_consumer_key(APP ID)、openid。代码示例:

def get_user_info(data, open_id):

    url = 'https://graph.qq.com/user/get_user_info'

    body={'access_token':data.get('access_token'), 'oauth_consumer_key': '101860781', 'openid': open_id}

    response = requests.get(url, params=body)

    user_info = response.json()

    requests.session().close()

    return user_info

返回的参数说明:

图5 参数说明

5 保存用户数据

到这一步,基本就完成了。接着就是根据自己的需要,可以在user界面展示昵称和头像,和选择存进数据库了。选择将open_id作为用户的唯一标识符存进数据库,这样用户在后面登录的时候可以得到上次保存的信息。以下是这部分代码:

@home.route('/token')

def token():

    data = request.args.to_dict()

    open_id = get_openid(data)

    user_info = get_user_info(data, open_id)

uuid_count=User.query.filter_by(uuid=open_id).count()

#查询openid是否存在。

if uuid_count == 1:

#如果存在就根据openid查到用户信息,并添加到session空间里。

        name = User.query.filter_by(uuid=open_id).first()

        session['home'] = name.name

        return redirect('/user')

else:

#如果不存在,也就是第一次登录,给一个默认的密码(经过hash加密)

        password = generate_password_hash('123456')

        hash_name = str(hash(random.randint(1000,9999)))

        name = user_info.get('nickname') + hash_name

#因为我的网站是不允许重名的,所以在qq的昵称后面加上一个随机数。

        user = User(

            name=name, #添加了随机数的用户名

            uuid=open_id, #唯一标识符

            pwd = password, #密码

            face=user_info.get('figureurl_1') #头像

        )#将相关信息存进数据库

        db.session.add(user)

        db.session.commit()

        session['home'] = name #将用户名添加到session空间中。

        return redirect('/user') # 重定向到user界面。

 

目录
相关文章
|
9月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
661 0
|
9月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
716 1
|
9月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
738 0
|
9月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
419 0
|
12月前
|
机器学习/深度学习 算法 量子技术
GQNN框架:让Python开发者轻松构建量子神经网络
为降低量子神经网络的研发门槛并提升其实用性,本文介绍一个名为GQNN(Generalized Quantum Neural Network)的Python开发框架。
311 4
GQNN框架:让Python开发者轻松构建量子神经网络
|
12月前
|
JSON 监控 BI
拼多多批量下单工具,拼多多买家批量下单软件,低价下单python框架分享
使用Selenium实现自动化操作流程多线程订单处理提升效率
|
机器人 数据安全/隐私保护 Python
企业微信自动回复软件,企业微信自动回复机器人,python框架分享
企业微信机器人包含完整的消息处理流程,支持文本消息自动回复、事件处理、消息加密解密等功能
|
10月前
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
269 1
|
10月前
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
420 0
|
12月前
|
JSON 数据安全/隐私保护 数据格式
拼多多批量下单软件,拼多多无限账号下单软件,python框架仅供学习参考
完整的拼多多自动化下单框架,包含登录、搜索商品、获取商品列表、下单等功能。

推荐镜像

更多