爬虫逆向学习(十一)：实战分享反爬机制快速定位与破解

此分享只用于学习用途，不作商业用途，若有冒犯，请联系处理

反爬前置信息

站点：aHR0cHM6Ly9jenFqZC5qc3p3ZncuZ292LmNuL2tkY3B1YXBvcnRhbC8jLw==

接口：/kong/InnerGateway/kdcpua/lib/project/publicity

反爬机制定位

在抓取某个站点时，我们需要找到目标接口，然后确定目标接口所使用的反爬机制，常见反爬机制有cookie、请求头、签名校验等，只有找到它所使用的反爬机制我们才能对点下药。

找到对应的接口，右键复制其cUrl，然后使用爬虫工具库将其转成python requests代码，这样便于我们快速进入调试定位反爬机制

可以看到它只存在两个变量，就是cookie和请求头，接下来使用控制变量法，结果如下：

请求传入headers，传入cookie，请求成功
请求不传入headers，传入cookie，请求失败
请求传入headers，不传入cookie，请求成功
请求不传入headers，不传入cookie，请求成功

根据结果确定它的反爬机制只有请求头

大家看下，红色横线对应的那些请求头不会是检测点，而像Accept，Accept-Language，Referer，User-Agent都是可以写死的，大家可能会说User-Agent也是反爬机制，User-Agent确实可以反爬，不过它的反爬机制对应的是采集频率，我们现在是请求请求前的反爬

剔除这些后，剩下的Authorization，Token，x-date就很明显是动态生成且容易作为检测点了，这里Token不需要关注，我们测试一下Authorization，x-date，结果如下：

保留Authorization，保留Token，请求成功
保留Authorization，不保留Token，请求失败
不保留Authorization，保留Token，请求失败
不保留Authorization，不保留Token，请求失败

结果两次测试结果可以确定Authorization，Token是检测点且两者之间存在关系。通过这种方法我们最终确定了接口的反爬机制，接下来就是如何破解它了。

逆向研究

这个站点没有特别的混淆，全局搜索x-date直接锁定关键代码位置，它是一个原生的hmac-sha256加密，加密文本就是x-date，x-date是UTC时间字符串

算法破解

python 复制代码

import base64
import hashlib
import hmac
from datetime import datetime

import requests


def get_hmac_authorization():
    hit_time = datetime.utcnow().strftime('%a, %d %b %Y %H:%M:%S GMT')
    key = '1S7JzAkstxUV1g51IB22otDrwRkFxRJ3'.encode()
    message = 'x-date: {}'.format(hit_time).encode()
    hmac_sha256 = hmac.new(key, message, digestmod=hashlib.sha256)
    hmac_digest = hmac_sha256.digest()
    encrypt_result = base64.b64encode(hmac_digest).decode()
    return {
        'Authorization': 'hmac username="kdcpua", algorithm="hmac-sha256", headers="x-date", signature="{}"'.format(
            encrypt_result),
        'x-date': hit_time,
    }


headers = {
    "Accept": "*/*",
    "Accept-Language": "zh-CN,zh;q=0.9",
    "Origin": "Origin",
    "Referer": "Referer",
    "Token": "undefined undefined",
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36",
}
headers.update(get_hmac_authorization())
url = "url "
response = requests.post(url, headers=headers)

print(response.text)