爬取菜鸟裹裹的数据

菜鸟裹裹{:target=”_blank”}是阿里旗下的一个物流数据的整合平台,数据准确、及时.前几天在关注菜鸟和顺丰的争端,因为在前一天我刚刚爬到菜鸟上面的快递数据，第二天看到二者出现了摩擦，在菜鸟上面已经查不到顺丰的信息了,还好有国家邮政局出面了解决,不得不为我们是社会主义点个赞。这次爬数据经历点波折,个人觉得阿里做的安全性还是很专业的。下面开始介绍如何找到突破口把数据拿到的。

---

​
​ 声明:此文只做技术交流,请不要恶意攻击,当然我也相信阿里的技术，不可能轻意被攻破的。

---

本文Demo下载：

菜鸟裹裹Demo（可能已经不能用）
快递100数据Demo

监控Ajax请求

• 打开Chrome的控制台中的NetWork后,点击上面的查询按钮,查看请求记录，如下使用一个顺丰的物流号查询出对应的信息和请求：

  

  对应的请求为：

参数原始为：v=1.0&api=mtop.cnwireless.CNLogisticDetailService.wapqueryLogisticPackageByMailNo&appKey=12574478&t=1496714756142&callback=mtopjsonp5&type=jsonp&sign=2ac43c025e94399c2ee2b7e0240f8303&data=xxxx

分析Url参数

从上面的请求和响应结果可以看出,请求的参数为:v, api, appKey, t, callback, type, sign, data，其中很明显sign是加密的,appKey在多次请求验证后发现是一个固定的值,callback是回调的参数,这个我们用不到，直接给一个任意值就可以，根据callback参数和type=jsonp,可以推测出,菜鸟使用的跨域回调的方法来进行数据传输的,这里也在js代码里面已经有验证了,采用的是动态追加\<script>标签的方法(可以自己去验证)。

右击查看在新的标签布页打开链接,查看数据详细：

utl链接：http://api.wap.guoguo-app.com/h5/mtop.cnwireless.cnlogisticdetailservice.wapquerylogisticpackagebymailno/1.0/?v=1.0&api=mtop.cnwireless.CNLogisticDetailService.wapqueryLogisticPackageByMailNo&appKey=12574478&t=1496640120201&callback=mtopjsonp14&type=jsonp&sign=1d53d2faaf0e067f21b4b43b95d5ee9c&data=xxxx

现在的问题就是解决下面的的几个参数t和sing,这两个都可以调试对应的js来进行查看,页面js的路径为：//g.alicdn.com/cn/guoguo-website/1.1.0/js/query.js

找到dom绑定的代码：

如果你看到的代码是压缩的,可以使用chrome的格式化工具格式化：

下面的工作就要考验你的耐心了。。。

调试和分析js

从上面的图片可以看到下面的代码：

$("#J_SearchBtn").on("click", function() {
            if (!$(".search-container").hasClass("loading")) {
                var o = $.trim($("#J_SearchInput").val());
                if ("" === o)
                    return;
                e._handleSearch(o)
            }
        })

可以看出首先调用的是e._handleSearch的函数，而o是当前输入的编号，继续跟进

在调用完loading方法后，调用了_requestPackage方法，详细看下这个方法：

_requestPackage: function(e) {
      function o(o) {
          c.unloading();
          var i = o.data;
          if (i) {
              var r = i.cpCompanyInfo || {}
                , n = i.transitList || [];
              n = n.reverse(),
              t(r),
              a(n),
              c._setHistory(r.companyCode, e),
              c._initSearchHistory()
          }
      }
      function t(e) {
          $(".cp-logo img").attr("src", e.iconUrl102x38),
          $(".cp-name").html(e.companyName);
          var o = $(".cp-link");
          o.attr("href", "http://" + e.webUrl),
          o.html(e.webUrl),
          $(".cp-phone label").html(e.serviceTel),
          $(".cp-container").show()
      }
      function a(e) {
          var o = "";
          $.each(e, function(e, t) {
              o += 0 == e ? '<li class="latest">' : "<li>",
              o += '   <span class="date">' + t.time + '</span>   <span class="text">' + t.message + "</span></li>"
          }),
          $("#J_SearchTimeout").hide(),
          0 == e.length ? ($("#J_SearchNoRecord").show(),
          $(".package-container").hide()) : ($("#J_PackageDetail").html(o),
          $(".package-container").show(),
          $("#J_SearchNoRecord").hide())
      }
      function r() {
          c.unloading(),
          $(".cp-container").hide(),
          $(".package-container").hide(),
          $("#J_SearchNoRecord").show()
      }
      var c = this;
      lib.mtop.request({
          api: i.queryLogisticPackageByMailNo,
          v: "1.0",
          data: {
              mailNo: e
          },
          timeout: 5e3,
          type: "GET",
          dataType: "jsonp",
          isSec: 0,
          ecode: 0
      }, o, r)
  },    

_requestPackage内部有很多函数的定义，函数运行的核心在于 lib.mtop.request()方法，这个函数有三个参数，分别是json对象，单号o,和一个回调函数r。后面的调试过程省略。。。。(自己找吧)

在最终的mtop.js中有一个 l 的函数，可以找到我们想要的信息如下：

从图片上面可以看出参数t只是一个时间戳,同样在这个函数里面看到了sign的赋值:

上面是一个调用了一个 k 函数，k函数的定义如下：

function k(a, b, c) {
   i(function(e) {
       var f = d(e + "&" + b + "&" + h() + "&" + a);
       c(f)
   })//在这里又调用了i的函数
}    

k中又调用了i函数：

  function i(b) {
    function c(a) {
        a = a ? a.split("_")[0] : "",
        b(a)
    }
    N.useAlipayJSBridge === !0 && !S && T && a.AlipayJSBridge && a.AlipayJSBridge.call ? a.AlipayJSBridge.call("getMtopToken", function(a) {
        a && a.token ? c(a.token) : c(f(P))
    }, function() {
        c(f(P))
    }) : c(f(P))
}

function f(a) {
    var b = new RegExp("(?:^|;\\s*)" + a + "\\=([^;]+)(?:;\\s*|$)").exec(A.cookie);
    return b ? b[1] : c
}

在i的内部是由f(P)返回的值传递给b,而b函数是上面调用i的传入的匿名函数，在匿名函数调用传入a调用k参数中的匿名回调函数function(a){…},所以可以确定f是我们想要的sign值。f值的来自于d函数的返回值

var f = d(e + "&" + b + "&" + h() + "&" + a);
       c(f)  

d中的几个参数a:是k传过来的a.data,是经过包装的单号{mailNo:xxx},b是t参数,就是时间戳。h()是上面说的appKey,可以调试看出来是一个固定值 12574478。 而对于e,是函数i中的f(P),经函数c中的三元表达式a = a ? a.split(“_”)[0] : “”处理后的结果,而P值我们可以找到定义的地方，发现它是一个固定值：

总结上面的分析，目前所有的参数都已经大体清楚，剩下的就是获得e最终的值和函数d的作用。

cookie的分析

对于e值的获得是来自于cookie,再看函数f的逻辑,其中参数a是一个固定值P:

function f(a) {
    var b = new RegExp("(?:^|;\\s*)" + a + "\\=([^;]+)(?:;\\s*|$)").exec(A.cookie);
    return b ? b[1] : c
}

这个是一个正则匹配出对应的cookie中的value,这里可以不用细看，可以直接用代码来模拟。

加密

刚开始看了函数d的返回值，觉得是一个加密函数，后面看脚本内容证实了猜想，但问题是这个是什么方式的加密呢？可以先看下函数d的核心代码：

var o, p, q, r, s, t, u, v, w, x = [], y = 7, z = 12, A = 17, B = 22, C = 5, D = 9, E = 14, F = 20, G = 4, H = 11, I = 16, J = 23, K = 6, L = 10, M = 15, N = 21;
    for (a = n(a),
    x = l(a),
    t = 1732584193,
    u = 4023233417,
    v = 2562383102,
    w = 271733878,
    o = 0; o < x.length; o += 16)
        p = t,
        q = u,
        r = v,
        s = w,
        t = h(t, u, v, w, x[o + 0], y, 3614090360),
        w = h(w, t, u, v, x[o + 1], z, 3905402710),
        v = h(v, w, t, u, x[o + 2], A, 606105819),
        u = h(u, v, w, t, x[o + 3], B, 3250441966),
        t = h(t, u, v, w, x[o + 4], y, 4118548399),
        w = h(w, t, u, v, x[o + 5], z, 1200080426),
        v = h(v, w, t, u, x[o + 6], A, 2821735955),
        u = h(u, v, w, t, x[o + 7], B, 4249261313),
        t = h(t, u, v, w, x[o + 8], y, 1770035416),
        w = h(w, t, u, v, x[o + 9], z, 2336552879),
        v = h(v, w, t, u, x[o + 10], A, 4294925233),
        u = h(u, v, w, t, x[o + 11], B, 2304563134),
        t = h(t, u, v, w, x[o + 12], y, 1804603682),
        w = h(w, t, u, v, x[o + 13], z, 4254626195),
        v = h(v, w, t, u, x[o + 14], A, 2792965006),
        u = h(u, v, w, t, x[o + 15], B, 1236535329),
        t = i(t, u, v, w, x[o + 1], C, 4129170786),
        w = i(w, t, u, v, x[o + 6], D, 3225465664),
        v = i(v, w, t, u, x[o + 11], E, 643717713),
        u = i(u, v, w, t, x[o + 0], F, 3921069994),
        t = i(t, u, v, w, x[o + 5], C, 3593408605),
        w = i(w, t, u, v, x[o + 10], D, 38016083),
        v = i(v, w, t, u, x[o + 15], E, 3634488961),
        u = i(u, v, w, t, x[o + 4], F, 3889429448),
        t = i(t, u, v, w, x[o + 9], C, 568446438),
        w = i(w, t, u, v, x[o + 14], D, 3275163606),
        v = i(v, w, t, u, x[o + 3], E, 4107603335),
        u = i(u, v, w, t, x[o + 8], F, 1163531501),
        t = i(t, u, v, w, x[o + 13], C, 2850285829),
        w = i(w, t, u, v, x[o + 2], D, 4243563512),
        v = i(v, w, t, u, x[o + 7], E, 1735328473),
        u = i(u, v, w, t, x[o + 12], F, 2368359562),
        t = j(t, u, v, w, x[o + 5], G, 4294588738),
        w = j(w, t, u, v, x[o + 8], H, 2272392833),
        v = j(v, w, t, u, x[o + 11], I, 1839030562),
        u = j(u, v, w, t, x[o + 14], J, 4259657740),
        t = j(t, u, v, w, x[o + 1], G, 2763975236),
        w = j(w, t, u, v, x[o + 4], H, 1272893353),
        v = j(v, w, t, u, x[o + 7], I, 4139469664),
        u = j(u, v, w, t, x[o + 10], J, 3200236656),
        t = j(t, u, v, w, x[o + 13], G, 681279174),
        w = j(w, t, u, v, x[o + 0], H, 3936430074),
        v = j(v, w, t, u, x[o + 3], I, 3572445317),
        u = j(u, v, w, t, x[o + 6], J, 76029189),
        t = j(t, u, v, w, x[o + 9], G, 3654602809),
        w = j(w, t, u, v, x[o + 12], H, 3873151461),
        v = j(v, w, t, u, x[o + 15], I, 530742520),
        u = j(u, v, w, t, x[o + 2], J, 3299628645),
        t = k(t, u, v, w, x[o + 0], K, 4096336452),
        w = k(w, t, u, v, x[o + 7], L, 1126891415),
        v = k(v, w, t, u, x[o + 14], M, 2878612391),
        u = k(u, v, w, t, x[o + 5], N, 4237533241),
        t = k(t, u, v, w, x[o + 12], K, 1700485571),
        w = k(w, t, u, v, x[o + 3], L, 2399980690),
        v = k(v, w, t, u, x[o + 10], M, 4293915773),
        u = k(u, v, w, t, x[o + 1], N, 2240044497),
        t = k(t, u, v, w, x[o + 8], K, 1873313359),
        w = k(w, t, u, v, x[o + 15], L, 4264355552),
        v = k(v, w, t, u, x[o + 6], M, 2734768916),
        u = k(u, v, w, t, x[o + 13], N, 1309151649),
        t = k(t, u, v, w, x[o + 4], K, 4149444226),
        w = k(w, t, u, v, x[o + 11], L, 3174756917),
        v = k(v, w, t, u, x[o + 2], M, 718787259),
        u = k(u, v, w, t, x[o + 9], N, 3951481745),
        t = c(t, p),
        u = c(u, q),
        v = c(v, r),
        w = c(w, s);
    var O = m(t) + m(u) + m(v) + m(w);
    return O.toLowerCase()

通过代码我个人是很难看出用的是什么加密方式，所以我在控制台，测试了加密的结果

通过这个结果可以先排除des加密了（因为des都是以==结尾），经过几种加密方式对比发现是md5的32bit的加密。

好了，到这里,已经是万事具备.下面开始去写代码抓取,代码很简单，不多解释：

var mainUrl =
        @"http://api.wap.guoguo-app.com/h5/mtop.cnwireless.cnlogisticdetailservice.wapquerylogisticpackagebymailno/1.0/";
var cookieUrl =
        @"http://api.wap.guoguo-app.com/h5/mtop.cnwireless.cncainiaoappservice.getlogisticscompanylist/1.0/?v=1.0&api=mtop.cnwireless.CNCainiaoAppService.getLogisticsCompanyList&appKey=12574478&t=1496741493353&callback=mtopjsonp1&type=jsonp&sign=b0f7376271effd90e311f998ad3a3efb&data=%7B%22version%22%3A0%2C%22cptype%22%3A%22all%22%7D";

   var mailNo = "xxxxxx";//运单号码
   //准备参数
   var tikets = (DateTime.Now - Convert.ToDateTime("1970-01-01 00:00:00")).Ticks.ToString();
   var cookie = Tools.Tools.GetCookie(cookieUrl);//先请求一次获得cookie,可以先缓存下来。
   var key = new Regex(@"(?:^|;\s*)_m_h5_tk\=([^;]+)(?:;\s*|$)").Match(cookie).Value.Split('=')[1]
       .Split('_')[0];
   var sign = GetMD5Hash(key + "&" + tikets + "&12574478" + "&{\"mailNo\":\"" + mailNo+ "\"}")
       .ToLower();

   //获得参数列表
   var urlParas = string.Format(
       "?v=1.0&api=mtop.cnwireless.CNLogisticDetailService.wapqueryLogisticPackageByMailNo&appKey=12574478&t={0}&callback=mtopjsonp&type=jsonp&sign={1}",
       tikets, sign);
   urlParas += "&data={\"mailNo\":\"" + mailNo + "\"}";

   HttpWebRequest request = (HttpWebRequest)WebRequest.Create(mainUrl+urlParas);
   request.Method = "GET";
   request.Headers.Add("Cookie", cookie);
   HttpWebResponse response = (HttpWebResponse)request.GetResponse();
   StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.UTF8);
   string content = reader.ReadToEnd();
   Console.WriteLine(content);
   Console.ReadKey();   

方法中会用到的方法

//md5加密
public static string GetMD5Hash(String input)
{

    return System.Web.Security.FormsAuthentication.HashPasswordForStoringInConfigFile(input, "md5");

}
//获得cookie
public static string GetCookie(string url, int Timeout = 5000, bool isNeedProxy = true)
{
    try
    {

        HttpWebRequest request = (HttpWebRequest)WebRequest.Create(url);
        request.Method = "GET";
                 request.AllowAutoRedirect = false;
        request.ContentType = "application/x-www-form-urlencoded;charset=gbk";
        request.CookieContainer = new CookieContainer();
        request.UserAgent = "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.95 Safari/537.11";
        
        
        HttpWebResponse response = (HttpWebResponse)request.GetResponse();
        StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default);
        string content = reader.ReadToEnd();
        return response.Headers.Get("Set-Cookie");
    }
    catch (Exception ex)
    {

        return null;
    }
}

返回数据：