b站弹幕 so文件解析/逆序列化

写在前面：

下文全部使用**代替b 站，由于csdn现在版权的问题，本文只介绍对so文件的逆序列化（反正怎么获取文件网上很多文章）

如图，抓包得到的是乱码，实际上这不是加密，是使用protobuf序列化后的文件

本人找了很多网站，只在知乎看到一个逆序列化的回答，其他的都是从乱码中匹配内容

https://zhuanlan.zhihu.com/p/392931611

但是这个回答比较简洁，对于不了解protobuf的人可能摸不着风，本人也没接触过protobuf，但是通过一段时间的查找资料了解了一二，故写下这一篇相对详细一点的博客方便其他不懂protobuf的人学习爬**

1.什么是protobuf？

protobuf (protocol buffer) 是谷歌内部的混合语言数据标准。通过将结构化的数据进行序列化(串行化)，用于通讯协议、数据存储等领域的语言无关、平台无关、可扩展的序列化结构数据格式。

python（pip）可通过以下命令直接安装

pip install protobuf

在使用时这样导包

import google.protobuf 

具体的就不说了，想详细了解的可以直接搜，网上有很多相关教程

2.怎么进行逆序列化

你需要知道**弹幕的proto定义，再使用protoc进行编译，获得一个.py文件，接下来就可以使用文件里面的方法反序列化了

关于大概的方法,下面这个网站有介绍，下文是详细步骤bilibili-API-collect · GitHubhttps://github.com/SocialSisterYi/bilibili-API-collect/blob/bb437d2012e6291b38c78d42755db9d836d4975f/danmaku/danmaku_proto.md

关于**的弹幕定义，这里推荐一个项目（跟上面那个是一个项目）

GitHub - SocialSisterYi/bilibili-API-collect: 哔哩哔哩-API收集整理【不断更新中....】https://github.com/SocialSisterYi/bilibili-API-collect

这个项目收集了**的大部分api ，并且还有人维护，简直小白福音啊

**的弹幕proto定义在这里：https://github.com/SocialSisterYi/bilibili-API-collect/blob/bb437d2012e6291b38c78d42755db9d836d4975f/grpc_api/bilibili/community/service/dm/v1/dm.protohttps://github.com/SocialSisterYi/bilibili-API-collect/blob/bb437d2012e6291b38c78d42755db9d836d4975f/grpc_api/bilibili/community/service/dm/v1/dm.proto

 接下来推荐一个在线proto编译网站

Protobuf Code Generator and Parser | protobufnet | Marc Gravellhttps://protogen.marcgravell.com/#

将**的proto定义复制到该网站，选择语言为Python，点击Generate后右边得到的就是我们想要的

直接复制右边的代码，在自己的项目里面创建一个py文件，粘贴即可

注意：你创建的文件名必须以_pb2.py结尾！！！！（这里我叫做bili_pb2.py)

接下来就是在你需要进行逆序列化的文件里面这么写

import bili_pb2
from google.protobuf import text_format
# 肯定是先导包，下面这个不是必需的，作用在后文会介绍

my_seg = bili_pb2.DmSegMobileReply()
my_seg.ParseFromString(DATA)
# DATA是二进制数据
# 比如你可以这么写
# DATA = resp.content
# 或者这么写
# with open('./test.so','rb') as f:
#     DATA = f.read()


# 理论上此时文件已经被逆序列化了，你可以通过 print(my_seg.elems)来得到逆序列化后的数据

注意：此时my_seg.elems是一个列表，包含各个弹幕的信息

这是一个示例数据：

 对于里面的各参数的作用这个网站有解答：

bilibili-API-collect/danmaku_proto.md at bb437d2012e6291b38c78d42755db9d836d4975f · SocialSisterYi/bilibili-API-collect · GitHubhttps://github.com/SocialSisterYi/bilibili-API-collect/blob/bb437d2012e6291b38c78d42755db9d836d4975f/danmaku/danmaku_proto.md

很重要的问题！！！

上述代码理论上已经能让你得到数据了，但是有个问题，就是如果弹幕内容是中文时，返回的数据是编码后的，下图我的字幕内容是 “中文测试” ，但是图中并不是汉字

 此时，我们可以使用以下代码来实现自动转化为中文：

import bili_pb2
from google.protobuf import text_format
# 肯定是先导包，下面这个不是必需的，作用在后文会介绍

my_seg = bili_pb2.DmSegMobileReply()
my_seg.ParseFromString(DATA)
# DATA是二进制数据
# 比如你可以这么写
# DATA = resp.content
# 或者这么写
# with open('./test.so','rb') as f:
#     DATA = f.read()


# 理论上此时文件已经被逆序列化了，你可以通过 print(my_seg.elems)来得到逆序列化后的数据

###############################上次的代码##########################

# 新的代码
for j in my_seg.elems:
    parse_data = text_format.MessageToString(j, as_utf8=True)

# 此时的parse_data可以直接print了
# text_format.MessageToString只能处理一个数据，而my_seg.elems返回的是数据列表

这样就能得到我们想要的数据了：

写在最后：

关于弹幕数据的一些坑：不是每个弹幕返回的数据都有progress这个参数，在使用正则匹配的时候注意点，容易被坑

还要再次感谢知乎的那篇文章，逆序列化的代码参考了他的代码

b站弹幕 Protobuf 格式解析 - 知乎