吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 4376|回复: 29
上一主题 下一主题
收起左侧

[Web逆向] 反爬虫之有个操作也许可以检测aiohttp、httpx,requests也尴尬?

  [复制链接]
跳转到指定楼层
楼主
warner 发表于 2023-4-4 09:54 回帖奖励
本帖最后由 warner 于 2023-4-20 10:03 编辑

前言
最近发现一个很6的东西。这个问题是在差不多半个月前,在技术群里一个老哥发现的问题,然后在群里跟大家讨论。

这个网站,请求的时候,requests正常:




原始的curl也可以


aiohttp,直接报错


httpx,也直接报错:


不过httpx的报错要明显点,这就进入了有意思的环节


分析


看到这里,估计就有朋友开始冷笑了:搞爬虫大部分不都用requests的吗,谁会用httpx和aiohttp这些啊,感觉这个是不是没啥用啊。

别急,朋友,在文章的下面会说这个,当然如果你赶时间或者觉得没啥意思,那就没必要浪费时间继续看了


1.httpx


拿着上面的报错,去网上搜,找到如下issues:


https://github.com/encode/httpx/issues/1561

https://github.com/encode/httpx/issues/1363


看完里面各位大佬的一顿分析,说是hyper库的问题:





然后hyper库的开发者,如下链接回复:

https://github.com/python-hyper/h11/issues/113




大概意思是这个不是一个问题,而是http请求的严格性判断问题,请求头的协议,按国际标准,是不能出现 “[Cache-Control]” 这种带有特殊符号作为响应头的键名的,所以报错



而requests却可以,或许是因为requests的校验不严格,直接就放过了:



而,浏览器访问也是可以的:




那么我个人就有理由认为

这是一个bug,httpx和aiohttp都存在的bug


httpx的作者,对这个问题那段时间确实在尝试解决,github机器人都想关闭了,httpx作者还不想放弃:


且至今没解决,遇到的人还不少,至少,上个月都还有人在说这个问题




卧槽,这时间,上周都还有人在问啊:



其中也有说解决办法,看到有个老哥说改h11的源码,改成这样:



但是报错依然在





另外有个老哥说了这个方法:



[Python] 纯文本查看 复制代码
        

h11.readers.header_field_re = re.compile(b"(?P<field_name>[-!#$%&'*+.^`/|~0-9a-zA-Z]+):[ \t](?P<field_value>([^\\x00\\s]+(?:[ \t]+[^\\x00\\s]+))?)[ \t]*")



我把这个代码直接放我代码里,报错了,根本没有这个属性




经过一顿查阅,他换了个属性名,是这个:




[Python] 纯文本查看 复制代码
import h11
from h11 import _readers
import re
h11._readers.header_field_re = re.compile(b"(?P<field_name>[-!#$%&'*+.^`/|~0-9a-zA-Z]+):[ \t](?P<field_value>([^\\x00\\s]+(?:[ \t]+[^\\x00\\s]+))?)[ \t]*")



但是我试了,换成了新的报错:



也许是正则表达式写的不完美:



正则表达式通用匹配一下,然后就可以了:


[Python] 纯文本查看 复制代码
import httpx
import h11
from h11 import _readers
import re
# h11._readers.header_field_re = re.compile(b"(?P<field_name>[-!#$%&'*+.^`/|~0-9a-zA-Z]+):[ \t](?P<field_value>([^\\x00\\s]+(?:[ \t]+[^\\x00\\s]+))?)[ \t]*")
h11._readers.header_field_re = re.compile(b"(?P<field_name>.*?):[ \t](?P<field_value>.*?)")
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36'}
url = '
# url = '
resp = httpx.get(url=url, headers=headers)
print(resp.text)



但是,我换了一个网站,也就是那个issue里某华某为的社区地址,不出正常的结果:




所以,修改正则表达式并不是一个通用的方案。



插一句,在请求的时候,就不要开代{过}{滤}理或者抓包软件了,不然他报错更奇怪:



综上所述,也就是,只要服务器的返回头埋的坑够多,这个方法根本无法完美解决那么这个问题,httpx作者就给了个这个解释就没下文了
https://github.com/encode/httpx/issues/767#issuecomment-1367498458



就这么不了了之了。。。
因为根据http协议的响应头原理,确实不会出现这种不标准的字段
更官方的解释可以去查查http协议原理,或者看看以下资料:


https://developer.mozilla.org/zh-CN/docs/Glossary/Response_header



我的理解如下:

客户端需要先解析响应头,通过响应头的一些规范来解析返回的响应体的,既然你响应头都报错了,那后续的响应体解析自然也不会往下走了,直接报错退出。


2.aiohttp
对于aiohttp来说,像上面那么加正则表达式是无效的:


一顿搜索,发现有如下方案



改完发现并没有用


这还有说,改成1,也试了,不行




更多的就不演示了反正就是一顿查找,发现aiohttp上并没有合理方案解决



针对的解决方案

1.用requests

上面有了,这里就不展示了

但是requests我们知道,它是不支持http2.0协议的
2.用正则表达式替换

上面也有了,这里不贴了但是不能完美覆盖后续的响应头特殊参数

3.用urllib3处理
这个库用的倒不多,但可以直接请求:




但是他也是个可以直接拿来请求的库,相比requets,那很多功能还是没有。其实requests本质就是借助了urllib3库的

所以,这个库,不出意外应该也是不支持http2.0的


用非常规的请求库尝试


既然目前的方法,除了requests/urllib3,其他都不行,那我在这个基础之上,强制http2,是不是就可以干掉requets库了,python的常规请求库直接无可用的,直接干死这些爬虫?



想的挺美的,哈哈


1.用tls-client试试


虽然他是用来对抗tls的,试试呢:




可行。为啥,因为他原理就是完全模拟浏览器,大概看了它的源码,用curl_impersonate库,打包成了一个dll(具体怎么打包的不可知,这部分没开源,插一句,据群友反馈,也是因为这个dll,会导致内存泄漏),然后可以直接用,上面说过了,浏览器可以访问,那这个库肯定也可以访问了



那么测试那个某为的网址:




不行,被识别了,牛吧,还是得是某为啊

2.用curl_cffi试试


再来测试那个某为的网址:


这么对比,看来curl_cffi才是获胜者啊,只能说,牛逼啊!!!


实现一个anti aiohttp、httpx的服务

简单的用fastapi 实现一个简单的服务,设置了下响应头,直接无情的嘲讽(只能设置英文状态的,要不然嘲讽力度拉满,嘿嘿)





1.用httpx请求

httpx代码不变,只是把url换了,果然报错



2.用aiohttp请求


再来看aiohttp,果然报错,哈哈哈哈









2.用http.client请求

3.用urllib3、requests测试






还得是这哥俩啊,直接能跑


4.用node的request请求看看



刺激,也给防住了。

5.用golang 看看




刺激啊,也没有正常返回



6.用postman看看



postman也直接无返回

7.用安卓看看


[Java] 纯文本查看 复制代码
package com.geek.spiderclient;
import androidx.appcompat.app.AppCompatActivity;
import android.os.Bundle;import android.util.Log;
import android.widget.TextView;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.UnsupportedEncodingException;
import java.net.HttpURLConnection;
import java.net.URL;

public class MainActivity extends AppCompatActivity {   
    private TextView textView;
    [url=https://www.52pojie.cn/home.php?mod=space&uid=1892347]@Override[/url]    protected void onCreate(Bundle savedInstanceState) {        
        super.onCreate(savedInstanceState);        
        setContentView(R.layout.activity_main);        
        textView = findViewById(R.id.hello);
        new Thread(new Runnable() {            
            String result = "";
            @Override            
            public void run() {               
                try {                    
                    String url_string = "http://192.168.30.251:8000/";// 由于高版本有https的限制,需要修改targetSdk为27及一下。                    
                    URL url = new URL(url_string);                    //得到connection对象。                    
                    HttpURLConnection connection = (HttpURLConnection) url.openConnection();                    //设置请求方式                    
                    connection.setRequestMethod("GET");                    //连接                    
                    connection.connect();                    //得到响应码                    
                    int responseCode = connection.getResponseCode();                    
                    Log.d("headers", "" + connection.getHeaderFields());                    
                    if (responseCode == HttpURLConnection.HTTP_OK) {                        //得到响应流                        
                        InputStream inputStream = connection.getInputStream();                        //将响应流转换成字符串                        
                        result = is2String(inputStream);//将流转换为字符串。                        
                        Log.d("result", "result=============" + result);                    
                    }               
                 }
                 catch (Exception e) {                    
                     e.printStackTrace();               
                 }               
                 runOnUiThread(new Runnable() {                    
                     @Override                    
                     public void run() {                        
                         Log.e("result", "runOnUiThread");                        
                         textView.setText(result);                    
                         }               
                 });            
                 }        
                 }).start();   
            }
    public String is2String(InputStream is) {        //连接后,创建一个输入流来读取response        
        BufferedReader bufferedReader = null;        
        try {            
            bufferedReader = new BufferedReader(new InputStreamReader(is, "utf-8"));            
            String line = "";            
            StringBuilder stringBuilder = new StringBuilder();            
            String response = "";            //每次读取一行,若非空则添加至 stringBuilder            
            while ((line = bufferedReader.readLine()) != null) {               
                stringBuilder.append(line);            
            }            //读取所有的数据后,赋值给 response            
            response = stringBuilder.toString().trim();            
            return response;        
            }
            catch (IOException e) {            
            e.printStackTrace();        
         }        
           return null;   
       }}



打包好之后:



安卓是可以的


再来看看服务端这边



其实是有正常请求的,但是客户端那边无法正常解而已。

那么有朋友估计有想法,那既然报错,我捕获异常强制打印结果不行吗?
这里还是用回到python httpx库试试






不行的哈哈,原因前面说过了


配置将服务强制http2.0协议

1.配置服务端

说干就干,准备尝试把代码移植刀服务器上,直接启动这边的服务,然后nginx搭建好,配置好http2,我买的服务器它默认没给开80和443等常规的库,问了客服说要申请备案了才行,卧槽,很迷,无所谓,我把这个服务搭建到6363端口上:



nginx如下配置:



[Bash shell] 纯文本查看 复制代码
server {      
    # listen 6363;      
    listen [::]:6363 ssl  http2; # managed by Certbot      
    listen 6363  ssl http2; # managed by Certbot      
    ssl_certificate /root/cert.pem; # managed by Certbot      
    ssl_certificate_key /root/key.pem; # managed by Certbot      
    if ($server_protocol !~* "HTTP/2.0") {        
        return 444;      
    }      
    root /data/www/fast-tortoise;      
    server_name 0.0.0.0;      
    location / {            
        proxy_set_header x-Real-IP $remote_addr;            
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;            
        proxy_set_header Host $http_host;            
        proxy_pass http://127.0.0.1:8000/; # gunicorn绑定的fastapi的端口号        
    }      # 配置static的静态文件:      
    location ~ ^\/static\/.*$ {            
        root /data/www/fast-tortoise/static;         
    }}



证书文件用以下命令生成即可:前提得安装openssl库

[Bash shell] 纯文本查看 复制代码
openssl req -x509 -newkey rsa:4096 -keyout key.pem -out cert.pem -days 365 -nodes



2.请求测试
配置好了之后,首先requests肯定是不行了,因为不支持http2.0。这里就不演示了。

用httpx测试下,唉?直接就给放行了




卧槽?反爬虫路途创业未半中道崩卒....
.....

看来http2.0把这个问题修复了呀......

......
那就只能在http1.0,http1.1下防住一部分的爬虫了

那有朋友估计要问了,你这个操作,好像只是有点奇怪,但实际并没有文章标题说的那么邪乎啊,说直接点,基本没啥用啊


解惑


如果坚持看到这里的朋友,还没有忘记前面说的有关requests问的话。ok,这里开始说说。
其实我一开始发现这个所谓的bug的时候,感觉也不是太有用,requests都能跑,没把requests防住,那肯定没啥意思啊。
那么这个所谓的bug,真的没用吗?
只是这一个的话肯定防不住的,可以用来跟其他反爬手段组合啊,比如tls指纹,或者其他的风控检测手段等等的。

其实,我在发这篇文章之前,也开发了两个爬虫练习题:



第一题就是这个bug了。
第二题是另外一个检测手段,可以检测到requests和httpx,tls-client,curl_cffi,aiohttp,还有常规的请求软件,而且没有用到tls指纹
本来说是先让群友拿来玩,然后过几天发文章公开检测手段以及如何bypass的。
我没想到,有无聊的人搞我服务器.....,所以我服务关了
以后想好了再公布另一种检测方案吧


结语
爬虫的核心,还是指纹等静态特征完全的模拟浏览器环境,行为等动态特征完全的模拟人为操作


第一次在吾爱发帖,萌新表示好紧张,排版调了好半天


感谢大哥大姐们的耐心观看!!!!

免费评分

参与人数 11吾爱币 +9 热心值 +10 收起 理由
虔来学习 + 1 谢谢@Thanks!
笙若 + 1 + 1 谢谢@Thanks!
xingc + 1 用心讨论,共获提升!
kotlyne + 1 我去,还能这样,学习了,另外,楼主第二题会发文章吗?期待
XyD3 + 1 + 1 用心讨论,共获提升!
canfeng0522 + 1 + 1 用心讨论,共获提升!
helian147 + 1 + 1 热心回复!
撒旦の恶 + 1 分析讨论交流,吾爱破解论坛有你更精彩!
vnightray + 1 + 1 用心讨论,共获提升!
两只小蜜蜂 + 1 + 1 我很赞同!
三滑稽甲苯 + 2 + 1 用心讨论,共获提升!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

推荐
li083m 发表于 2023-4-5 11:43
学习学习
3#
qwqwqw9999 发表于 2023-4-5 09:06
4#
palapha 发表于 2023-4-5 10:15
5#
yoninah 发表于 2023-4-5 10:52
逻辑严密,佩服
6#
pojiexiaojiang1 发表于 2023-4-5 12:30
大佬厉害
7#
canfeng0522 发表于 2023-4-5 13:40
学到了,大佬厉害
8#
rosewood 发表于 2023-4-5 13:41
程序员日常,哈哈哈
9#
tencentma 发表于 2023-4-5 14:20
现在搞爬虫真难,一大堆反爬的
10#
Lzw1994 发表于 2023-4-5 14:48
学习一下
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-23 06:31

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表