python3爬虫（5）百度云盘暴力破解尝试

4年前写过一篇文章，暴力破解百度云，链接(当然这个方法早已失效)：

https://blog.csdn.net/liujiayu2/article/details/48953745

当时写这篇文章的时候是同事的感召，他写了一个，心中想既然他能写那我也能写，没过多久果然弄出来了，成就感十足。C++写的，稍微有点麻烦，代码还是很清晰，百度网盘不会对验证码进行校验。这个是10分重要的，验证码验证还真不好做，目前做爬虫也都是手工验证，要是暴力破解也采用手工验证那就天方夜谭了。

1.研究一下目前百度云盘验证机制

最近在研究爬虫，没事也搞搞这个，自己分享了一个百度云盘链接（知道密码好测试）：

测试链接：https://pan.baidu.com/s/1Vi2g_l0A4UJFnuAaeZh7fg

提取码：os0p

自动跳转：https://pan.baidu.com/share/init?surl=Vi2g_l0A4UJFnuAaeZh7fg

浏览器地址栏输入第一个分享链接，回车，会自动跳转第二个链接，并出现输入提取码提取文件页面，输入密码1234，F12打开抓包工具，点击提取文件，抓到一个xhr请求

看下请求参数

简单多次测试和观察，surl来自于地址栏，t是时间戳，channel固定，web固定，app_id固定，bdstoken固定，logid变动，没看出来哪里出来的，clienttype固定，pwd输入的密码，vcode验证码，vcode_str和验证码有关的字符串。

验证码机制研究与分析：

连续4次输错密码才会弹出验证码，让用户输入。清空浏览器缓存，刷新页面，验证码有消失了，可见，验证码不是必须的，服务器记录了哪一个cookie连续输错的次数，我们不停的更换cookie就可以跳过验证码验证机制（简单点来讲：模拟浏览器操作，每次请求之后清空缓存，重新获取cookie）。

Logid研究与分析：

首先我们只是打开浏览器，输入地址，没输入与我们相关的任何信息，这个id是变动每次请求都不一样，看下这个id也不是服务器返回的（提取文件请求只有一个，很容易看到没有这个字符串），那他是哪里来的，目测是本地JS生成的，找下看看吧，打开开发者工具里面的sources页面，看到浏览器运行的时候加载的JS,

IE看这个也很直接

我们把这些JS统统分别复制下来，分别粘贴到文本里面，批量搜索字符串logid,既然请求是xhr也就是JS发出的请求，理论上讲，请求的地址和参数都会在JS里面合成，所有JS里面应该可以搜索的到logid。经过搜索，我们定位了一个文件，boot.js里面有合成参数代码，如下图

为什么么JS代码只有一行，网上搜索了一下这是经过混淆的，目的就是不方便阅读，一般浏览器都提供了使之格式化的工具，点一下下面的“{}”按钮就可以了，

点击之后：

IE也有类似功能：

没有写过JS代码想完全读懂还是有点压力的，有趣的是我们可以通过调试，看程序是怎么运行的，这样更方便JS的理解,在行号左边点击一下就可以加个断点，下好断电之后，输入密码，点击提取，JS程序就会断到断点处，如果没有断下来重新打开浏览器再来一遍（chrome浏览器时常有段不下来的现象，IE就好多了肯定断的下来），一步一步调试，一点一点看变量值，右边的菜单栏可以出来一个console界面，输入变量的值，回车也可以看值

调试快捷键和VS差不多，F10单步走，F11单步进，F8执行到下个断点（IE是F5）

经过简单分析，这些代码是一个调用另一个，最终达到目的：根据cookie中字段BAIDUID生成logid的值

2.代码实现和一些细节

上面我们分析了原理，现在说说怎么用编程语言py实现,首先是这个logid的生成，我已开始的想法是，看懂这段JS代码自己写个相应的py版本，1分钟后就放弃了，这他妈也太复杂了，py这门语言之所以强大关键就是他的第三方库丰富，那有没有py调用js的库呢，网上搜了一下还真有，pyv8和js2py两个库都可以，pyv8好像支持py2所以咱们就用js2py这个库吧，先看一下这个库怎么用，js2py安装与使用教程:

https://www.cnblogs.com/qingsheng/p/9594200.html

看了这个教程，说实话有点简短，其实我想要的是：有一个JS文件，里面有若干个函数，我想调用其中一个。但是文章没有提供这样的接口，网上搜了也没搜索的到，简单看下js2py也没有看到类似接口函数。原本的想法是把整个JS文件复制下来存为boot.js，然后调用其中的w函数，看来是泡汤了。于是我尝试了把需要用的函数提取出来存为boot2.js。代码如下：

写一段测试代码，测试一下，成功了（从格式和长度来看），测试代码如下：

于是，尝试写一下整项目，代码如下：

结果发下反回了数据“'{"errno":2,"request_id":314674761273760332}'”。额，眉头紧缩一下，感觉有点不太对，我们再看下浏览器返回的啥数据：

“{"errno":-9,"err_msg":"","request_id":314701270676769174}”

浏览器返回的错误码是：-9，我们写的返回码是2，浏览器提示是提取码错误，我们这个情况不是提取码错误，还有点异常，这个2是什么意思？还是那个方法在所有js里面搜索所

IE浏览器打开开发者工具，转到“脚本”页面，CTRL+F，输入-9或者错误，一个个搜索，找一下错误码定义，最找到了：

参数错误，可见还是有点方传值没传好，这个项目请求的要点如下：

一般来讲，只要上面4点模拟到位，不可能出现浏览器和py代码不一致的现象，简单修改了一下cookie,还是参数错。哎，最近自己时间有点紧张了，先记载到这里，有时间再研究，，，

========================以下为12:59 2019/1/25更新==============================

这个项目没有完成一直是我的心病，凡事不能半途而废（当然也不能不到南墙不回头，具体情况具体分析），半途而非与我人生来讲都是个打击，心里面总想着这个事儿自己没能拿下（当然这个测试完全可以用selenium来做，不需要任何的分析，考虑到我们是做暴力破解，注重效率，不太合适）。不多比比了，入正题。上次讲到自己post之后返回码是2，浏览器返回码是-9，总结一下是post信息有误，错误无非是以下4个地方（任何项目而言基本是这样，请不要那特殊列子和我抬杠）1地址栏参数，2post参数，3http头信息，4cookie信息。我们就想办法对比一下自己用py发送的和浏览器发送区别，怎么对比，先抓包呗，我还是感觉HttpAnalyzer这个抓包工具相当不错，抓浏览器包的时候发现抓取不到，同时打开开发工具发现发送失败，如下图：

哎，都是事儿，我有换了浏览器IE,说实话上次调试JS的时候就感觉还是IE好用，这次又一次印证了我的看法，用IE抓包没啥问题，再抓一下py代码发送的数据包，对比一下，更改不同之处，不大会儿py代码就返回了期待已久的-9。整个代码如下

说明：

1.经过测试，浏览器清空所有缓存，提交密码也能返回-9，看了一下发送cookie是空的，既然这样我们py代码里面也清空。

2.发现了一个py运行js的库execjs。用法看上面的代码

下面我们考虑一下暴力破解的事情吧。

花了一段时间，完成了多线程版密码枚举，代码如下：

generatepwd.py代码：

写完这段代码，把他运行起来，我出去抽了根烟，回来时候发现输出狂不停输出html源码，不用想是发生错误了，仔细看了下是404错误。一开始运行好好的啊，可见服务器做了相关的策略，防止暴力猜解。于是我进行了如下测试

1.不管37=21先试试浏览器能否正常提取文件，是不是也是返回404错误，故意输错密码试了几次，有的时候返回了json(当然错误码是-9)，有的时候返回404，我又重新试了试代码，其实也是有一定概率返回404，有一定概率返回json的。

2.是不是提取了我的http头，加入黑名单？我刚用的IE,直接换个浏览器搜狗试试，发现也是有一定概率返回404一定概率返回json,截图如下：要是这个情况，也可能是服务器对这个链接进行了保护，

3.重新分享一个链接，发现还是一定概率404，那只能怀疑IP是不是被记录了，加入黑名单了，知道你在搞事，直接在服务器上做限制，我换了同事电脑试了一下（同局域网），发现也是有一定概率的404。这样的话只能考虑代理的事情了。

========================以下为16:45 2019/1/29更新==============================

上次说到IP被封，无奈只好找代理，代理，找到两个免费的，一个西刺，一个快代理。破解思路，尝试一次换一次代理，当然这都要基于多线程，提高并发。整体代码，如下：

proxytest2.py代码如下：

最后，这写代码最终还是没有得到最后的密码，原因是代理太不稳定，即使获取的时候测试了一下，使劲使用的时候仍然不可用。告一段落吧。