爬虫瑞数5.5案例：某证券
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 t s = w i n d o w [ ′ _ts = window[' 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5.5特点
- 两层debugger，可以点击Never pause here过掉debugger
- 会有两个相同请求，第一次请求（状态码412）和第二次请求（状态码200）是相同的
- 第一次请求失败，状态码是412
- 首先会加载第响应html文件中的js： t s = w i n d o w [ ′ _ts = window[' ts=window[′_ts’]
- 返回响应html文件，里面会有动态加载的meta标签包含content、一个script标签包含 t s = w i n d o w [ ′ _ts = window[' ts=window[′_ts’]、一个script标签加载js文件
- 外链js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1EzPGwRUoQaWT，赋值给document.cookie
- 响应的cookie名字是：1EzPGwRUoQaWS
- 第三次请求成功，可以正确拿到数据
四、找出需要加密的参数
- js运行atob(‘aHR0cDovL3d3dy5jaGluYXN0b2NrLmNvbS5jbi9uZXdzaXRlL2Nncy1zZXJ2aWNlcy9zdG9ja0ZpbmFuY2UvYnVzaW5lc3NBbm5jLmh0bWw=’) 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），刷新页面，找到 stockFinance/businessAnnc.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 zj.py，把代码复制到该文件
- 多运行几次zj.py，会发现请求失败，状态码是412，仔细分析cookie会发现1EzPGwRUoQaWS、1EzPGwRUoQaWT，而1EzPGwRUoQaWT值得第一个字符是5，这是瑞数特点之一，字符5代表是瑞数5代
- 新建zj.js，用于放扣下的代码
五、瑞数5 cookie 分析
- 使用hook定位1EzPGwRUoQaWT，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1EzPGwRUoQaWT赋值的地方
- 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html中的js代码，这是第一次请求响应的，把这个文件代码全部拷贝到zj.js
- 点击跳过断点，会进入一个js文件，这个js文件就是刚才找到call方法的文件，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，就是之前油猴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js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js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
- 清除cookie，刷新页面，点击跳过断点执行，会进入之前的替换后的js文件断点，再点击跳过断点执行，会看到一个html文件，里面会有动态加载的meta标签包含content、一个script标签包含刚才的js、一个script标签加载js文件，这个文件也需要本地替换下，再点击跳过断点，会到两层debugger
- 清除cookie，刷新页面，点击跳过断点执行，找到之前的call断点，把该文件的的js，拷贝到zj.js，运行zj.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
- 运行zj.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zj.js，会发现程序卡window.clearInterval在方法，该方法是清除定时器，把window.clearInterval、setTimeout、setInterval方法置空后再运行还是卡在window.clearInterval，这时候就要分析控制台打印出的值，先把常见的值为undefined的补上
- 运行zj.js，会发现在获取document.createElement时报错了，document.createElement是用来创建标签的，且标签值是div，在代码顶部补上document.createElement
- 运行zj.js，会发现在获取document.createElement时又报错了，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 d d d[_$$i[85]]，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zj.js，document.getElementsByTagName报错，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: av[_̲cL]，会发现很多KaTeX parse error: Expected group after '_' at position 4: av[_̲cL]，全部打上断点，点击跳过断点，会进入其中的断点，在控制台打印出KaTeX parse error: Expected group after '_' at position 4: av[_̲cL]的值，如果不是getElementsByTagName就点击跳过断点，如果是就停下，找到后悬浮到参数上会发现是script标签
- 在document中补上getElementsByTagName，点击运行会发现确实是script标签，把返回的值打印在控制台，会发现是两个script和一个length=1，在代码顶部补上该代码，具体script要补什么代码还有根据实际代码往下分析，点击跳过断点，会再次进入该断点，打印出该断点的信息，会发现是第二个script标签中getAttribute传了个r参数，返回了m，getAttribute是获取该标签上的属性，在代码顶部补上该代码，再点击断点，同样会进入该断点，打印出该断点的信息输出和刚才的是获取了第一个script标签上的r属性，并返回了m，在代码顶部补上该代码
- 运行zj.js，到scrtpt-1中获取r属性时报错了，找到打印信息最后的位置，发现是缺少removeChild，清除cookie，刷新页面，找到刚才KaTeX parse error: Expected group after '_' at position 4: av[_̲cL]断点位置，点击跳过断点，因为刚才的报错是在script获取属性之后，所以断点到获取属性的时候停下，在循环顶部打上断点，可以看作用域上的_$ay，来确定断点是否到获取script属性
- 点击跳过断点，观察作用域，会看到 script、parentElement，这是获取script的父级head，再继续点击跳过断点就会看到head、removeChild，继续点击跳过断点会看到script、removeChild，说明刚才的removeChild报错是由script[1].parentElement.removeChild引起的，在代码顶部补上该代码，在调试这个removeChild错误的时候会发现很难下断点，当遇见这种清况看作用域就能看到代码的执行清空，后面会遇到script[0]报removeChild会采用另一种方法
- 运行zj.js，到scrtpt-1中获取r属性时报错了，找到打印信息最后的位置，发现是缺少removeChild，修改代理数组在后面加上script[0]，再运行zj.js，就可以看到script[0].parentElement是undefined，在顶部补上代码
- 运行zj.js，获取window.attachEvent属性时报错，这里需要注意上面的打印信息window.addEventListener，一般这里会环境监测，如果window.addEventListener存在执行window.addEventListener，不存在执行window.attachEvent，node环境不存在addEventListener，所以会报window.attachEven的错误，但是window.addEventListener下是存在的，所以只要补window.addEventListene就行，找到打印信息最后的位置，搜索KaTeX parse error: Expected group after '_' at position 4: h3[_̲il[4]]，在判断出打上断点，会进入window.addEventListener，在代码顶部补上代码
- 运行zj.js，会发现document .getElementsByTagName失败，在浏览器控制台打印document .getElementsByTagName(‘meta’)，会发现是两个meta对象和length，在代码顶部补上代码
- 运行zj.js，会发现获取meta标签时又报错了，找到打印信息最后的位置，在虚拟文件内搜索KaTeX parse error: Expected group after '_' at position 4: do[_̲$i[19]]，并在搜索到的位置打上断点，打印断点的信息，会发现获取的是第二个meta的r属性，在顶部补上代码
- 运行zj.js，会发现获取meta-1中的的r属性是报错，找到打印信息最后的位置，发现是缺少removeChild，修改代理数组增加meta[1]，再运行zj.js，就可以看到meta[1].parentNode是undefined，在顶部补上代码，
- 运行zj.js，会发现不再报meta错误，不过这里meta[1]标签中的content是一定要补上的
- 重复运行zj.js，按照上面的方法补全环境
- 补完环境，修改zj.js，再运行，会发现已经拿到1EzPGwRUoQaWT
七、python代码验证结果
- 修改zj.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、 t s = w i n d o w [ ′ _ts = window[' ts=window[′_ts’]、js，用meta_content、ts_code、js_code代替
- 修改zj.py
- 点击运行zj.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zj.js，再运行fdc.py，会发现还是没获取成功，但是之前的cookie确实已经拿到，这就要考虑还有其他环境没补上
- 修改zj.js，打开之前注释的meta[1]下的content、js等代码，把补环境中有if、else判断的console，放在else中
- 运行zj.js，先找出getElementsByTagName、createElement未补的环境，搜索getElementsByTagName发现base是需要补的，搜索createElement发现form、input是需要补的，而且input创建了三次，本文就不讲base和input怎么补的，只需补form就可以，在代码顶部补上代码
- 修改代理数组，加上form，运行zj.js，会发现设置form时需要id、action
- 找到之前补meta的时候的断点KaTeX parse error: Expected group after '_' at position 4: av[_̲cL]，点击跳过断点，直到在作用域中看到createElement、form，在虚拟文件内搜索KaTeX parse error: Expected group after '_' at position 4: av[_̲cL](，搜索到的都打上断点，点击跳过断点，仔细观察作用域中的信息，直到看到appendChild、body、form关键字说明要把创建好的form标签插入到body中，查看form信息会找到id、action，在顶部补上form，如果想补input可以继续点击跳过断点，就会看到向form中插入input，至于input插入三次id分别是username、password、innerText
- 注释掉之前content的值、 t s = w i n d o w [ ′ _ts = window[' ts=window[′_ts’]、js，在运行zj.py，会发现数据获取成功
八、瑞数其他接口加密
如果cookie生成之后，有其他接口参数加密，直接使用明文参数一样可以调用成功，因为参数加密是瑞数加密，所以这里解密也是瑞数自己解密的；
测试请求/doc/queryDocList，通过XHR请求拦截，找到明文信息，修改zj.py，请求/doc/queryDocList，会发现即使是明文数据也可以获取成功
九、最终代码
- zj.js
delete __filename
delete __dirname
var getEnv = require('./jsProxy')
//补window
window = global
window.top = window
window.clearInterval = function () {
}
window.addEventListener = function (event) {
console.log('window中addEventListener接受的值是：', event)
}
//补document
div = {
getElementsByTagName: function (tag) {
if (tag == 'i') {
return {length: 0}
} else {
console.log('div中getElementsByTagName接受的值是', tag)
return {}
}
}
}
script = {
0: {
getAttribute: function (attr) {
console.log('script-0中getAttribute接受的值是', attr)
if (attr == 'r') {
return 'm'
}
},
parentElement: {
removeChild: function (tag) {
console.log('script-1中的removeChild接受的值:', tag)
}
}
},
1: {
getAttribute: function (attr) {
console.log('script-1中getAttribute接受的值是', attr)
if (attr == 'r') {
return 'm'
}
},
parentElement: {
removeChild: function (tag) {
console.log('script-1中的removeChild接受的值:', tag)
}
}
},
length: 2
}
meta = {
0: {},
1: {
getAttribute: function (attr) {
if (attr == 'r') {
return 'm'
} else {
console.log('meta-1中getAttribute接受的值是', attr)
return {}
}
},
parentNode: {
removeChild: function (tag) {
console.log('meta-1中removeChild接受的值是：', tag)
}
},
content: 'meta_content'
},
length: 2
}
form = {
action: 'https://ucenter.miit.gov.cn/login.jsp',
id: '__Zm9ybS5pZAo__',
}
document = {
createElement: function (tag) {
if (tag == 'div') {
return div
} else if (tag == 'form') {
return form
}
},
appendChild: function (tag) {
console.log('document中appendChild接受的值是', tag)
return tag || {};
},
removeChild: function (tag) {
console.log('document中removeChild接受的值是', tag)
return {}
},
getElementsByTagName: function (tag) {
if (tag == 'script') {
return script
} else if (tag == 'meta') {
return meta
} else {
console.log('document中getElementsByTagName接受的值是', tag)
return {}
}
},
getElementById: function (id) {
console.log('document中的getElementById接受的值是：', id)
if (id == 'root-hammerhead-shadow-ui') {
return null
}
}
}
//补location
location = {
href: "http://www.chinastock.com.cn/newsite/cgs-services/stockFinance/businessAnnc.html",
origin: "http://www.chinastock.com.cn",
protocol: "http:",
host: "www.chinastock.com.cn",
hostname: "www.chinastock.com.cn",
pathname: "/newsite/cgs-services/stockFinance/businessAnnc.html"
}
setTimeout = function () {
}
setInterval = function () {
}
proxy_array = ['window', 'document', 'location', 'navigator', 'history', 'screen', 'target', 'script[0]', 'meta[1]', 'form']
getEnv(proxy_array)
'ts_code'
'js_code'
function get_cookie() {
var EzPGwRUoQaWT = document.cookie.split('1EzPGwRUoQaWT=')[1].split(';')[0]
return EzPGwRUoQaWT
}
console.log(get_cookie())
- zj.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": "en,zh-CN;q=0.9,zh;q=0.8",
"Cache-Control": "no-cache",
"Pragma": "no-cache",
"Proxy-Connection": "keep-alive",
"Referer": "http://www.chinastock.com.cn/newsite/cgs-services/stockFinance/businessAnnc.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 = {
# "aliyungf_tc": "d0a79762e3a5a1d8fae1f5815c7c8dfee488fd8bb3fe2e271ca7f6b32c4891e4",
# "acw_tc": "ac11000117016103207903338ebe3da6d7f7013a812d4181d1c81f244b0c5e",
# "1EzPGwRUoQaWS": "5Sd_7hNDdsibBtUr2KtaorX.oMnUzRBCHryQ5jRWd5MgFf4243PnXoAZTfhrUTSeItypKYhnttDwtt.8PaZXHhA",
# "1EzPGwRUoQaWT": ".sHyUJtIBQzbbxLniztzoQdA3t20ZaSihfzHSypZM.4g_l7L7FR9B9dAic0hpBh2LoAoyddu75D2fGnxHgxjxvjwzNBjeXFFjmZ9KqNVuffkH3LGfYGIpCKE1zqsINGThR9wd2mY9o87Pu.89nXVRA_j2d.6nedwflKSAAkPCuL6TwVemW_lu.1lelL3uAUjcr2bpV2EQ2pdu6txVpYO1MieHfUtzKoxl2b6pSJgnPA"
}
url = "http://www.chinastock.com.cn/newsite/cgs-services/stockFinance/businessAnnc.html"
request_session = requests.session()
request_session.headers.update(headers)
request_session.cookies.update(cookies)
def get_ts():
response = request_session.get(url)
cookies['acw_tc'] = response.cookies['acw_tc']
cookies['aliyungf_tc'] = response.cookies['aliyungf_tc']
cookies['1EzPGwRUoQaWS'] = response.cookies['1EzPGwRUoQaWS']
request_session.cookies.update(cookies)
html = etree.HTML(response.text)
ts_code = html.xpath('//script[1]/text()')[0]
js_src = html.xpath('//script[2]/@src')[0]
meta_content = html.xpath('//meta[2]/@content')[0]
return ts_code, js_src, meta_content
ts_code, js_src, meta_content = get_ts()
def get_js():
js_url = f'http://www.chinastock.com.cn{js_src}'
response = request_session.get(js_url)
request_session.cookies.update(cookies)
return response.text
js_code = get_js()
with open('zj.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("'ts_code'", ts_code)
js_text = js_text.replace("'js_code'", js_code)
js = execjs.compile(js_text)
cookies['1EzPGwRUoQaWT'] = js.call('get_cookie')
request_session.cookies.update(cookies)
response = request_session.get(url)
response.encoding = 'utf-8'
# print(response.text)
# print(response)
get_data_par = {
'catName': "yhgg_融资融券公告",
'dayLimit': "9000",
'pageNo': 2,
'pageSize': "50",
}
get_data_url = 'http://www.chinastock.com.cn/website2020/doc/queryDocList'
response = request_session.get(get_data_url, params=get_data_par)
print(response.text)
print(response)