爬虫瑞数4案例：网上房地产-Toy模板网

这篇具有很好参考价值的文章主要介绍了爬虫瑞数4案例：网上房地产。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

声明：
该文章为学习使用，严禁用于商业用途和非法用途，违者后果自负，由此产生的一切后果均与作者无关

一、瑞数简介

瑞数动态安全 Botgate（机器人防火墙）以“动态安全”技术为核心，通过动态封装、动态验证、动态混淆、动态令牌等技术对服务器网页底层代码持续动态变换，增加服务器行为的“不可预测性”，实现了从用户端到服务器端的全方位“主动防护”，为各类 Web、HTML5 提供强大的安全保护。

二、瑞数特点

会有多层debugger，可以点击Never pause here过掉debugger
会有多次请求

瑞数4、瑞数5有两次相同的请求，瑞数4第一个请求状态码202，瑞数5第一个请求状态412，第一次请求响应的html，会有个script标签外链js加载 $_ts = window['$ _ts’]，外链js代码可以固定，也可以通过对外链js发送请求获取js代码
瑞数5.5有两次相同的请求，第一次请求状态码412，响应的html有外链js，此外链js代码可以固定，也可以通过对外链js发送请求获取js代码
瑞数6和瑞数5.5编译过程差不多

第一次响应的html，都会包含动态加载的meta标签包含content、两个script标签，

瑞数4、瑞数5用第一个script加载包含_ts = window[‘$_ts’]的js文件，第二个script加载一段自执行的js，用于把之前加载的代码处理成可用的js代码，处理后的js字符串，通过call执行，并生成cookie
瑞数5.5用第一个script加载包含_ts = window[‘$_ts’]代码，第二个script加载自执行js文件，用于把之前加载的代码处理成可用的js代码，处理后的js字符串，通过call执行，并生成cookie

都会有特有的cookie标识

瑞数4：FSSBBIl1UgzbN7N80T，生成值的第一个字符就是代数
瑞数5：IdlEqTWW2ERnT，生成值的第一个字符就是代数
瑞数5.5：1EzPGwRUoQaWT，生成值的第一个字符就是代数

瑞数会检测当前执行的文件是哪一个，可以使用delete __filename、delete __dirname

三、瑞数4特点

两层debugger，可以点击Never pause here过掉debugger
同一个请求两次
第一次请求失败，状态码是202

首先会生成一个js文件： $_ts = window['$ _ts’]，代码可以固定
然后响应返回一个html页面，里面会有动态加载的meta标签包含content、一个script标签加载刚才js文件、一段script标签包含的js代码
这段js代码是个自执行方法，会把之前的js代码，转换成可用的js代码，并通过call方法执行eval函数生成vm文件，在vm文件生成cookie，赋值给document.cookie
响应的cookie名字是：FSSBBIl1UgzbN7N80S

第一次请求js代码生成的 cookie的名字是：FSSBBIl1UgzbN7N80T，生成值的第一个字符就是代数
第二次请求，会正确拿到数据

四、找出需要加密的参数

js运行 atob(‘aHR0cDovL3d3dy5mYW5nZGkuY29tLmNuL2luZGV4Lmh0bWw=’) 拿到网址，F12打开调试工具（打开F12会遇到无限debugger，这是个eval执行的debugger，右击左侧代码行点击Never pause here过掉即可），找到 index.html 请求（状态200），鼠标右击请求找到Copy>Copy as cUrl(cmd)
打开网站：https://spidertools.cn/#/curl2Request，把拷贝好的curl转成python代码，新建 fdc.py，把代码复制到该文件
多运行几次jdc.py，会发现请求失败，状态码是202，仔细分析cookie会发现FSSBBIl1UgzbN7N80S、FSSBBIl1UgzbN7N80T，而FSSBBIl1UgzbN7N80T值得第一个字符是4，这是瑞数特点之一，字符4代表是瑞数4代
新建fdc.js，用于放扣下的代码

五、瑞数4 cookie 分析

使用hook定位FSSBBIl1UgzbN7N80T，参数生成位置，这里我使用的是油猴
编辑好油猴脚本，启动该脚本，切换到Application，清除浏览器的cookie，一定要清除cookie
清除cookie后，刷新页面后会进入油猴脚本里的debugger，一直点击跳过当前函数执行，就会找到FSSBBIl1UgzbN7N80T赋值的地方
分析FSSBBIl1UgzbN7N80T赋值的地方，会发现是在_ $KaTeX parse error: Expected group after '_' at position 9: Jo函数中，搜索_̲$ Jo会找到调用该函数的几个地方全部打上断点，点击跳过断点，会进入其中的一个断点。注意这是个虚拟文件，每次生成的都不一样，需结合当前代码分析
分析右侧的堆栈，找到不属于该虚拟文件的栈，分别点击查看会发现一个call方法，该方法就是生成虚拟文件的地方，这个文件是第一次请求的响应结果
使用无痕窗口打开网站，F12打开调试工具，点击Never pause here过掉debugger，再点击sources，找到事件监听勾选script
切换到Application，清除浏览器的cookie，一定要先清除cookie，清除cookie后，刷新页面，会看到一个js文件，这是第一次请求生成的，把这个文件代码全部拷贝到fdc.js
点击跳过断点，会进入一个html文件，这个html文件就是刚才找到call方法的文件，分析文件会发现一个meta标签、一个script标签引入了刚才生成的js、还有一个script标签里面有很多代码，代码用于把之前的js转换成可用的js代码，把该js全部拷贝到fdc.js
在该文件搜索.call，会找到一个.call方法执行，在该行打上断点
点击跳过断点，鼠标悬浮到call方法参数上上会发现很多js字符串，这就是经过该自执行方法转换后的js，就是之前分析的虚拟文件执行的js
这里要注意虚拟文件是动态生成的，每次获取到的都是不一样的，为了方便调试，把html文件替换成本地文件，这样每次生成的虚拟文件就是一样的，右击该html文件名称，点击Override content，如果替换成功后代码都在一行，可以在本地找到该文件，用编辑器打开，格式化一下，并在call的位置打上断点
把script中的自执行方法全部拷贝到fdc.js，运行fdc.js，会发现报window的错误，window是浏览器环境的，node环境不存在，接下来开始补环境

六、补环境

首选在代码顶部补上window环境，并用代理自动把需要补的环境吐出来，新建jsProxy.js把下面代码拷贝过去

// 代理器封装
function getEnv(proxy_array) {
    for(var i=0; i<proxy_array.length; i++){
        handler = `{\n
            get: function(target, property, receiver) {\n
                   console.log('方法：get','    对象：${proxy_array[i]}','    属性：',property,'    属性类型：',typeof property,'    属性值类型：',typeof target[property]);
                   return target[property];
            },
            set: function(target, property, value, receiver){\n
                    console.log('方法：set','    对象：${proxy_array[i]}','    属性：',property,'    属性类型：',typeof property,'    属性值类型：',typeof target[property]);
                    return Reflect.set(...arguments);
            }
        }`;
        eval(`
            try{\n
                ${proxy_array[i]};\n
                ${proxy_array[i]} = new Proxy(${proxy_array[i]},${handler});
            }catch(e){\n
                ${proxy_array[i]}={};\n
                ${proxy_array[i]} = new Proxy(${proxy_array[i]},${handler});
            }   
        `)
    }
}

// proxy_array = ['window', 'document', 'location', 'navigator', 'history','screen','target' ]
// getEnv(proxy_array)

module.exports = getEnv

python瑞数4,5,6机器人,python,爬虫

运行fdc.js，会发现在获取window.top时报错了，在控制台输出window.top得知 window.top = window，在代码顶部补上window.top
运行fdc.js，会发现在获取document.createElement时报错了，document.createElement是用来创建标签的，在代码顶部补上document.createElement，之所以return出一个json，是因为标签也是一个对象
运行fdc.js，会发现在获取document.createElement时又报错了，创建的标签是div，找到打印信息最后的位置，会看到报错代码
在浏览器call断点处，点击进入该方法内部会找到虚拟文件，在虚拟文件内搜索 $KaTeX parse error: Expected group after '_' at position 4: Wb[_̲$ By[93]]，会找到该方法的位置，在该行打上断点，点击跳过断点，会进入刚才的断点，把代码信息在控制输出，会发现是获取div下的i标签，获取出的结果是 length:0，在代码顶部补上该代码
运行fdc.js，会发现在获取window.attachEvent时报错了，找到打印信息最后的位置，会看到报错代码，在虚拟文件内搜索 $KaTeX parse error: Expected group after '_' at position 3: z[_̲$ By[95]]，会找到该方法的位置，在该代码处有个判断，在if和else中都打上断点，点击跳过断点，if断点，把代码信息在控制输出，会发现是window.addEventListener，获取出的结果是 undefined，在代码顶部补上该代码
运行fdc.js，会发现在获取document.getElementsByTagName时报错了，找到打印信息最后的位置，会看到报错代码，在虚拟文件内搜索 $KaTeX parse error: Expected group after '_' at position 4: 77[_̲$ By[93]]，会找到多个该方法的位置，在所有的 $KaTeX parse error: Expected group after '_' at position 4: 77[_̲$ By[93]]打上断点，点击跳过断点，会进入某一个断点，打印出信息，会发现是两个meta对象和length，在代码顶部补上代码
运行fdc.js，会发现在获取document.getElementsByTagName时又在报错了，报错信息是缺少removeChild属性，点击跳过当前函数执行，分析刚才断点的代码，会发现需要最后一个meta上的content属性、parentNode.removeChild，其中parentNode.removeChild是用来移除标签，所以不用有返回值，在代码顶部补上代码
重复运行fdc.js，按照上面的方法补全环境
补完环境，修改fdc.js，再运行，会发现已经拿到FSSBBIl1UgzbN7N80T
文章来源地址https://www.toymoban.com/news/detail-816288.html

七、python代码验证结果

修改fdc.js，因为meta中的content、还有js代码都是动态生成的，所以要用字符暂时占位，分别注释掉之前content的值和js，用meta_content、js_code代替
修改fdc.py
点击运行fdc.py，会发现第二个请求报400，那是因为瑞数会检测当前执行的文件是哪一个
修改fdc.js，再运行fdc.py，会发现数据获取成功

八、最终代码

fdc.js，代码太多只贴补环境的那块儿

delete __dirname
delete __filename


var getEnv = require('./jsProxy')

//补window环境
window = global
window.top = window
window.addEventListener = function (event) {
    console.log('window中的addEventListener接受的值:', event)
}

//补document
div = {
    getElementsByTagName: function (res) {
        console.log('div中的getElementsByTagName接受的值:', res)
        if (res == 'i') {
            return {length: 0}
        }
    }
}

meta = {
    0: {},
    1: {
        // content: '{qqiWR9xjADLqtZr.GKDUqs39vLCd6fuDojxTsXPqq|[MOVUqGS9kDwYAY2MHmG8qqenYagvFTYnqaVRkcNykUE2QpL1UOm3DmV.UaxMHf24DULSwPQ.o1WoFaQ0osgoFcNzHGWFl1x7iueMEnWPYsGUinpbxrEUmkAWiA36crg6r1VwErNIEG9BVaVFkaqEkf9kra7lrS9tYs3eEPaaxSeIEA9HkkfRiYYWHS7gkPZdkrEPtnQwYs3.eahnr50RXqCjtH09dcbnU7yq4AOBU4TRXVkvoMVtL1OLxi7NNT4YAHqEZm5GKFxqZfCPrWTwLGBbkWL54mK.oiLLSmOEEieM2f_8iwg4amB1DX0kaTVQrgEnzs8CJMW67uDuJ.35XOKaH.0ac80{AVhRPOD1oF7LTncUsEzy56uo8iJ7aOK.T3d7d7kbbH.qS7sbNHjwPZbUgFjASBsb.WM9dBo_PH_LpL1cfl4096k162hsQioxBGHtAihVlwBPeCtEe8.qfQg.wHVg9MepzcbGPT1sAl.orvE_e5EwA2MzQ9Wbt9r1r0r4q!x7z,aac,amr,asm,avi,bak,bat,bmp,bin,c,cab,css,csv,com,cpp,dat,dll,doc,dot,docx,exe,eot,fla,flc,fon,fot,font,gdb,gif,gz,gho,hlp,hpp,htc,ico,ini,inf,ins,iso,js,jar,jpg,jpeg,json,java,lib,log,mid,mp4,mpa,m4a,mp3,mpg,mkv,mod,mov,mim,mpp,msi,mpeg,obj,ocx,ogg,olb,ole,otf,py,pyc,pas,pgm,ppm,pps,ppt,pdf,pptx,png,pic,pli,psd,qif,qtx,ra,rm,ram,rmvb,reg,res,rtf,rar,so,sbl,sfx,swa,swf,svg,sys,tar,taz,tif,tiff,torrent,txt,ttf,vsd,vss,vsw,vxd,woff,woff2,wmv,wma,wav,wps,xbm,xpm,xls,xlsx,xsl,xml,z,zip,apk,plist,ipaqqqqqqqqqqqqqqkRxA1WYW8i2ZaYc0IH9V_UAlwSf3|gYBRPSpKnWLGmzpn1RFgTvfn.WMN2nKrBqVWPwqrME6aBAcYAxK7XifNgJ9qoIDrOhYVmscevR1Qa3rJyk2QrpCg4rYlO8OZfH6qvFCY8H209hArJH6q1VnpSrlaPkAxixrTXpaEYh2ZXAfJ4JoABM1TUmKV0p1w6lTaAFbYgEArBRbVr393oFOmsRvqi8DwDEYpOFkzaRuL9ECQFHfAFhcyeEqLuhcQr3al2qpe5oO7YraggcozOmq06MaQaWcW5HOqD3aEPhnL4hrVNECWVlGqJ3C0IMkzUomlrq 0wR7HvJ6IsUC410DntKRngA;QyqA82EGtIB6ePNEeYo9NG;iEm6gdSTTpYiqU10OlvsnG;yMG8gk5okQ97gP4eb.IadA;T8F36FaS9AtR4sXBkRr0iG;RTlM3IYjAzboXbIiNSIFRA;t7_svh3Kc3.VU9jOjAJgdq;.8D9Zx78FrKF.Zn4xbfmIG;IMhCM7gXESIqShs5TNMo9A;pvBPF7OtrK6trS5vZYizwa;9qxqLXuEeDQeAlNfAL_l.A;VNeyFcNDtQZhV2sfCxyHqA;kT4JL2WRSOhvUIEcOjSrva;LpFhLGWYI8eFx_X999MLEq;NqssQaVItFB0TevtNxJrkG;AI3RN3R7lP0BBnYsoCO5KG;xrYRhwM6FYW7zCsPL.iecq;0kOXzZzt1eXLrlPo.QQ4xG;ApKNqLIRoybF5rIxSnabBG;hfgZrtz_KscdFC6a3f1wKA;Ddfe167m26649h_g.S8UKVgXBt1074790432r0YQLJiVGhVajrMQpjFqUZuNqV80Tt89zds6ycR9fGsCNkl3650r0q}!DBEbb61kMgq_GKiDIZLg9oiwINe0CsjYI7qgLVKAwKS03oewpcl4FvNLIO7y1Tff8kgLIo2mtKfXR6JJw6Y_YTwPJKJxRTp2FUNdsvSGFU2gYvm7YUlP16wcwTJjWYNC36rssnfssmwnM0eVKbYnVvZFwTxcov2N1Dx0MKEKUCfl1YLAi0Y_KDyAxfA7VnfnQ9fZKcfIsvwaIDWDEvy5tmVaiUaqqqqqqqqqqqqqq',
        content:'meta_content',
        parentNode: {
            removeChild: function (tag) {
                console.log('meta中的removeChild接受的值:', tag)
            }
        }
    },
    length: 2
}

script = {
    0: {
        getAttribute: function (attr) {
            if (attr == 'r') {
                return 'm'
            } else {
                console.log('script-0中的getAttribute接受的值:', attr)
            }
        },
        parentElement: {
            removeChild: function (tag) {
                console.log('script-0中的removeChild接受的值:', tag)
            }
        }
    },
    1: {
        getAttribute: function (attr) {
            if (attr == 'r') {
                return 'm'
            } else {
                console.log('script-1中的getAttribute接受的值:', attr)
            }
        },
        parentElement: {
            removeChild: function (tag) {
                console.log('script-1中的removeChild接受的值:', tag)
            }
        }
    },
    length: 2
}

document = {
    createElement: function (tag) {
        if (tag == 'div') {
            return div
        } else {
            console.log('document中的createElement接受的值:', tag)
            return {}
        }
    },
    getElementsByTagName: function (tag) {
        if (tag == 'meta') {
            return meta
        } else if (tag == 'script') {
            return script
        } else {
            console.log('document中的etElementsByTagName接受的值:', tag)
            return {}
        }
    },
    addEventListener: function (event) {
        console.log('addEventListener中的addEventListener接受的值:', event)
    }
}

//补location
location = {
    "href": "http://www.fangdi.com.cn/index.html",
    "origin": "http://www.fangdi.com.cn",
    "protocol": "http:",
    "host": "www.fangdi.com.cn",
    "hostname": "www.fangdi.com.cn",
    "pathname": "/index.html",
}


proxy_array = ['window', 'document', 'location', 'navigator', 'history', 'screen', 'target']
getEnv(proxy_array)

setTimeout = function () {}
setInterval = function () {}

fdc.py

import requests
from lxml import etree
import execjs


headers = {
    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.7",
    "Accept-Language": "zh-CN,zh;q=0.9",
    "Cache-Control": "no-cache",
    "Pragma": "no-cache",
    "Proxy-Connection": "keep-alive",
    "Referer": "http://www.fangdi.com.cn/index.html",
    "Upgrade-Insecure-Requests": "1",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36"
}
cookies = {
    # "FSSBBIl1UgzbN7N80S": "GkMvOPOR2zBCVsQEB.kvrp8c09MaBt9Z4z5v2kzr4OF3jgytrI0CcP_CLbjb7aVH",
    "www.fangdi.com_http_ic": "www.fangdi.com.cn_80_RS",
    # "FSSBBIl1UgzbN7N80T": "4XQnYs.FW_Xmfaz6PD8YA3Rx1mZj6pwxCz1eI7_4lZ5RLbw_KslOYk3h1a3wTBpJP5x5.vhgimumrTaVMAUJgrBWaQy5_GMTE74VTNzdCmViki0eYwajPW7AGFKvVbgOvfxgn8IzQedPz_fsXY46XQAcEaO_IcySZDrjaqAFG3PHcR8AOjRd9ujI3sHLpPVOPWjWqpKn2fvsKW2lOMCs2fuBHyTBXZz93X4wtriC8l8eYYbaA3oP5AxLasmnWfK15309X9vVSdbuwE64nXt8QWQ5XvaajzXt8wy_oMCH9OmfQGBmvwku0cgzu7xOioFuNqZOW6YFZUb1HOJxVgzi1CjlK"
}

request_session = requests.session()
request_session.headers.update(headers)
request_session.cookies.update(cookies)
url = "http://www.fangdi.com.cn/index.html"

def get_code():
    response = request_session.get(url)
    cookies['FSSBBIl1UgzbN7N80S'] = response.cookies['FSSBBIl1UgzbN7N80S']
    request_session.cookies.update(cookies)
    html = etree.HTML(response.text)
    meta_content = html.xpath('//meta[2]/@content')[0]
    js_code = html.xpath('//script[2]/text()')[0]

    return meta_content,js_code

meta_content,js_code = get_code()

with open('fdc.js', 'r', encoding='utf-8') as js_file:
    js_text = js_file.read()
    js_text = js_text.replace('meta_content', meta_content)
    js_text = js_text.replace("'js_code'", js_code)
    js = execjs.compile(js_text)
    cookies['FSSBBIl1UgzbN7N80T'] = js.call('main')
    request_session.cookies.update(cookies)

response = request_session.get(url)
response.encoding = 'utf-8'
print(response.text)
print(response)

到了这里，关于爬虫瑞数4案例：网上房地产的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！