百度总括的JS脚本原理深入分析

by admin on 2019年8月29日

第一,百度总括会供给我们在要总结的页面中放置一段js语句,类似如下:

<script type=”text/javascript”>
var _bdhmProtocol = ((“https:” == document.location.protocol) ? ”
https://” : ” http://”);
document.write(unescape(“%3Cscript src=’” + _bdhmProtocol +
“hm.baidu.com/h.js%3F3266e9d3684eaa1337dc7c4b4b64b0ae’
type=’text/javascript’%3E%3C/script%3E”));
</script>

 

这段js,实质上是往页面中引进hm.baidu.com/h.js的这段代码,该代码的内容会依据前边的参数有所不一样,h.js?后边的参数就是你在百度计算里的id。

获得该h.js代码的还要,百度总计会往你的浏览器写入一个名叫“HMACCOUNT”的cookie,该cookie的逾期时间为2038年,所以假若您从未清空浏览器cookie,基本就不要过期。

h.js被下载后,便实施其脚本获取一些浏览器相关新闻和做客来源,获取的音信蕴涵显示器尺寸、颜色深浅、flash版本、客户语言等。

从js代码中能够收获,全数参数富含这么些:”cc,cf,ci,ck,cl,cm,cp,cw,ds,ep,et,fl,ja,ln,lo,lt,nv,rnd,sb,se,si,st,su,sw,sse,v”。那么些参数的意思差相当的少如下:

cc: 不知道,一般为1
cf:url参数hmsr的值
ci:url参数hmci的值
ck:是或不是援助cookie 1:0
cl:颜色深浅 如 “32-bit”
cm:url参数hmmd的值
cp:url参数hmpl的值
cw:url参数hmkw的值
ds:荧屏尺寸,如 ’1024×768′
ep:初阶值为’0′,时间变量,反映页面停留时间,格式大约是:将来岁月-载入时间+“,”+另三个一点都不大的时光值
et:初步值为’0′,倘诺ep时间变量不是0的话,它会产生任何
fl:flash版本
ja:java支持 1:0
ln:语言 zh-cn
lo: 不知道,一般为0
lt:日期 time.time(),如“1327847756”, 在第叁遍呼吁没有
nv: 不知道,一般为1或者0
rnd:十人随机数字
sb:假设是360se浏览器该值等于‘17’
se: 和查找引擎相关
si:计算代码id
st:
亚洲必赢手机,su:上一页document.referrer
sw: 不晓得,推断和查找引擎有关,一般为空
sse:不明了,估摸和寻找引擎有关,一般为空
v:总结代码的版本 ,如今该值为“1.0.17”

当这么些参数都设置甘休了(有个别参数并未赋值),筛选出曾经赋值了的参数,并视作hm.baidu.com/hm.gif的参数拼凑出三个url,如:http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=0&et=0&fl=11.0&ja=1&ln=zh-cn
  。然后须求该图形。

百度总括服务端,通过吸取到那个恳求,并从那么些图形的网站附带的参数获取有关音讯,记录访客访问记录;当页面被客户关闭的时候,一样会接触二次呼吁hm.gif的经过,但以此进度不是有着浏览器和具有关闭动作都匡助。

 

接下去通进程序模拟这一进程:

首先,使用Wireshark(一款互连网抓包工具)对浏览器实际的经过进展捕获。首先是使用ie展开二个有超链接链接到有百度总括的网址,加载实现后关门浏览器。最终在Wireshark上得到如此的网络数据包。

http://hm.baidu.com/h.js?3266e9d3684e7a1307dc7c4b4a64b0ae
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=0&et=0&fl=11.0&ja=1&ln=zh-cn&lo=0&lt;=1328171561&nv=1&rnd=2889921&si=3266e9d3684e7a1307dc7c4b4a64b0ae&st=3&su=http%3A%2F%2Fwww.zhanghangbo.com%2F&v=1.0.17
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=7289%2C115&et=3&fl=11.0&ja=1&ln=zh-cn&lo=0&lt;=1328171561&nv=1&rnd=1444115283&si=3266e9d3684e7a1307dc7c4b4a64b0ae&st=3&su=http%3A%2F%2Fwww.zhanghangbo.com%2F&v=1.0.17
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=212486%2C4614&et=3&fl=11.0&ja=1&ln=zh-cn&lo=0&lt;=1328171541&nv=1&rnd=1067394506&si=0f9e2caa14d6d0a51371b168d182314a&st=1&v=1.0.17

能够窥见,浏览器总共向劳动器端发送了4次呼吁:

  1. 呼吁一段js脚本。
  2. 加载完结时候出发三次呼吁,并传递参数
  3. 剥离页面时候,发出一遍呼吁,并传递参数,与地点相比,开采ep参数有转移。

       
百度计算是基于cookie的,当呼吁js脚本的时候,会在你Computer里保存叁个永世cookie,该cookie作为你的顾客标志。同期发掘,但剥离时候参数ep从最先始的0变为了“7289%2C115”,转义后是“7289,115”那是三个飞秒单位,即7.2秒和0.1秒的意味。同期前四回呼吁hm.gif的时候lt参数(时间,javascript:(new
Date).getTime())是不改变的。rnd随机数每一趟都变。

下边大家就来模拟三回呼吁,本次使用的python语言。

import urllib2
import urllib
import random
import math
import urlparse
import time
import cookielib

########################################################################
class Baidu:
“”””””
Referer=’http://www.lixin.me
TargetPage=’/www.lixin.me’
BaiduID=”
Hjs=”http://hm.baidu.com/h.js?
Hgif=”http://hm.baidu.com/hm.gif?
UserAgent=’Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1;
Trident/5.0)’ #IE9
MyData={‘cc’:’1′,’ck’:’1′,’cl’:’32-bit’,’ds’:’1024×768′,’et’:’0′,’ep’:’0′,’fl’:’11.0′,’ja’:’1′,’ln’:’zh-cn’,’lo’:’0′,’nv’:’1′,’st’:’3′,’v’:’1.0.17′}
#———————————————————————-

def __init__(self,baiduID,targetPage=None,refererPage=None):
“””Constructor”””
self.TargetPage=targetPage or self.TargetPage
self.Referer=refererPage or self.Referer
self.BaiduID=baiduID
self.MyData[‘si’]=self.BaiduID
self.MyData[‘su’]=urllib.quote(self.Referer)
pass
def run(self,timeout=5):
cj=cookielib.CookieJar()
opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
opener.addheaders=[(“Referer”,self.TargetPage),(“User-Agent”,self.UserAgent)]
try:
response=opener.open(self.Hjs+self.BaiduID).info()
self.MyData[‘rnd’]=int(random.random()*2147483647 )
self.MyData[‘lt’]=int(time.time())
fullurl=self.Hgif+urllib.urlencode(self.MyData)
response2=opener.open(fullurl,timeout=timeout).info()
self.MyData[‘rnd’]=int(random.random()*2147483647 )
self.MyData[‘et’]=’3′
self.MyData[‘ep’]=’2000,100′
response3=opener.open(self.Hgif+urllib.urlencode(self.MyData),timeout=timeout).info()
pass
except urllib2.HTTPError ,ex:
print ex.code
pass
except urllib2.URLError,ex:
print ex.reason
pass
pass

if __name__ ==”__main__”:
a=Baidu(‘百度计算id’,’http://www.lixin.me/blog/test4','www.lixin.com.cn‘)
a.run()

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图