Python笔记：使用代理方式抓取App的数据操作案例

概述

App的爬取相比Web端爬取更加容易，反爬中能力没有那么强，而且响应数据大多都是JSON形式，解析更加简单。
在APP端若想查看和分析内容那就需要借助抓包软件，常用的有：Filddler、Charles、mitmproxy、Appium等。
mitmproxy是一个支持HTTP/HTTPS协议的抓包程序，类似Fiddler、Charles的功能，只不过它通过控制台的形式操作。
Appium是移动端的自动化测试工具，类似于前面所说的Selenium、利用它可以驱动Android、iOS等设备完成自动化测试。

关于Charles

Charles是一个网络抓包工具，可以完成App的抓包分析，能够得到App运行过程中发生的所有网络请求和响应内容。
- 官方网站：https://www.charlesproxy.com
- 下载链接：https://www.charlesproxy.com/download
Charles主要功能:
- 支持SSL代理，可以截取分析SSL的请求。
- 支持流量控制。可以模拟慢速网络以及等待时间（latency）较长的请求。
- 支持AJAX调试，可以自动将json或xml数据格式化，方便查看。
- 支持AMF调试，可以将Flash Remoting 或 Flex Remoting信息格式化，方便查看。
- 支持重发网络请求，方便后端调试。
- 支持修改网络请求参数。
- 支持网络请求的截获并动态修改。
- 检查HTML，CSS和RSS内容是否符合W3C标准。

Charles的运行原理

首先Charles运行在自己的PC上，Charles运行的时候会在PC的8888端口开启一个代理服务，这就是一个HTTP/HTTPS的代理。
确保手机和PC在同一个局域网内，我们可以使用手机模拟器通过虚拟网络连接，也可使用手机真机和PC通过无线网连接。
设置手机代理为Charles的代理地址，这样手机访问互联网的数据包就会流经Charles，Charles再转发这些数据包到真实的服务器，同理相反也是如此。

Charles 配置

实现手机和电脑连接到同一个局域下，有两种：①、电脑通过网线连接。②、电脑直接使用wifi
- 第①种配置较为复杂，需要电脑共享Wifi，手机在连接此wifi，具体可自行搜索方案，不同系统下的配置不同，Mac下需要在系统偏好设置/共享中设置
- 第②种只需要保证手机连接上同一个wifi即可(保证在同一网段上)
代理设置：基于实现了手机与电脑在同一局域网下进行Charles的代理配置
- 首先查看电脑的打开Charles代理是否开启，具体操作是：Proxy -> Proxy Settings , 打开代理设置界面, 设置代理端口为：8888(默认端口).
- 打开手机的网络配置，并设置使用代理配置即可

Charles 证书配置

证书(SSL证书)配置是为了抓取HTTPS协议的信息包
电脑端安装证书
- 因各个系统安装方式不一样，此处举2个例子
- Windows系统下：
  - 首先打开Charles，点击Help->SSL Proxying->Install Charles Root Certificate,即可进入证书安装界面。
  - 点击 “安装证书” 按钮，就会打开证书导入向导。
  - 点击 “下一步” 按钮，此时需要选择证书存储区域“将所有证书放入下列存储”->点击"浏览"->选择“受信任的证书颁发机构”->“确定”->“下一步”->完成。
- Mac系统下：
  - 首先打开Charles，点击Help->SSL Proxying->Install Charles Root Certificate,即可进入证书安装界面。
  - 接下来，找到Charles的证书并双击，将 “信任” 设置为 “始终信任”即可。
- 配置完成后最好重启下Charles客户端软件！
手机端安装证书：
- 此处只举例iOS系统，不再使用安卓机做说明
- 在网络配置和代理开启的情况下，若是你的手机是IOS系统，可以按照下面的操作进行证书配置。
- 在手机浏览器上打开chls.pro/ssl后，便会打开证书安装页面，点击安装即可。
- 点击“设置”->“通用”->“关于本机”->“证书信任设置”，设置开启即可。
- 注意：最好使用系统自身的Safari浏览器
- 注意：每个iOS版本系统安装证书方式可能不一样，可能会让先下载描述文件，然后在设置中查看描述文件里安装，之后再开启该证书，具体使用请自行摸索，比较简单
- 注意：在Mac系统下的钥匙串中将该证书设置为始终信任

解决Charles中HTTPS代理的乱码问题

首先要确保电脑端手机端都把证书安装好了
然后在Proxy –> SSL Proxying Setting 中
- 勾选 Enable SSL Proxying
- 之后Add一个Host为*，Port为443的Location
- 备注：这里的Host可为空，不填写即可
- 点击OK, 重启下Charles就可大功告成了！！！

使用Charles进行抓包与后续的程序抓包

手机运行App访问要爬取的平台信息，使用Charles抓包分析。
知道了请求和响应的具体信息，通过分析得到请求的URL地址和参数的规律，直接使用程序模拟即可批量爬取。

关于mitmproxy

mitmproxy是一个支持HHTP/HTTPS协议的抓包程序，类似Fiddler、Charles的功能，只不过世它通过控制台的形式操作。
mitmproxy还有两个关联组件：
- mitmdump：它是mitmproxy的命令行接口，利用它我们可以对接Python脚本，用Python实现监听后的处理。
- mitmweb：它是一个Web程序，通过它我们可以清楚观察mimproxy捕获的请求。

mitmproxy的功能：

拦截HTTP和HTTPS请求和响应
保存HTTP会话进行分析
模拟客户端请求，模拟服务器返回响应
利用反向代理将流量转发给指定的服务器
支持Mac和Linux上的透明代理
利用Python对HTTP请求和响应进行实时处理

mitmproxy的安装和配置

1 ）安装

$pip3 install mitmproxy

2 ) 配置

配置手机和PC处于同一局域网下(参考Charles的相关说明)
打开手机的网络配置，并设置使用代理配置，端口监听 8080
配置mitmproxy的CA证书
- 对于mitmproxy来说，如果想要截获HTTPS请求，就需要设置CA证书，而mitmproxy安装后就会提供一套CA证书，只要客户信任了此证书即可
- 首先运行启动mitmdump，就会在此命令下产生CA证书,我们可以从用户目录下的.mitmproxy目录下看到
  - 打开一终端(最好重新打开一个终端)启动mitmdump
```
$ mitmdump
Proxy server listening at http://*:8080
```
  - 切换到该目录查看证书
```
$ cd ~/.mitmproxy/
$ ls
mitmproxy-ca-cert.cer	mitmproxy-ca-cert.pem	mitmproxy-ca.pem
mitmproxy-ca-cert.p12	mitmproxy-ca.p12	mitmproxy-dhparam.pem
# 在此处使用open . 命令 打开 访达 （mac 系统下）
$ open .
```
  - 文件说明
    - mitmproxy-ca.pem PEM格式的证书私钥
    - mitmproxy-ca-cert.pem PEM格式证书，适用于大多数非Windows平台
    - mitmproxy-ca-cert.p12 PKCS12格式的证书，适用于大多数Windows平台
    - mitmproxy-ca.p12 PKCS12格式的证书，windows下安装的证书
    - mitmproxy-ca-cert.cer 与mitmproxy-ca-cert.pem相同（只是后缀名不同），适用于大部分Android平台
    - mitmproxy-dhparam.pem PEM格式的秘钥文件，用于增强SSL安全性
在Mac系统下双击mitmproxy-ca-cert.pem即可弹出秘钥串管理页面，找到mitmproxy证书，打开设置选项，选择始终信任
将mitmproxy-ca-cert.pem文件发送到iPhone手机上，点击安装就可以了（在iOS上通过AirDrop隔空投送共享过去即可）
在iphone上安装CA证书，一些系统版本可能会先下载描述文件，在设置里找到对应的描述文件进行安装（Android手机直接复制文件点击安装即可）
在IOS手机上，点击“设置” - > “通用” - > “关于本机” - > “证书信任设置”，设置开启 (注：不同系统版本使用不同的处理方式即可)

mitmproxy的使用

1 ) 运行

运行 mitmproxy 命令就会打开一个监听窗口, 此窗口就会输出一个App请求中的信息 $mitmproxy
注意：之前生成证书的mitmdump命令需要关闭，否则可能会冲突
打开手机点击天猫，浏览商品，就可以看到各种GET/POST请求了

2 ）各种操作指南

按键	说明
q	退出（相当于返回键，可一级一级返回）
d	删除当前（黄色箭头）指向的链接
D	恢复刚才删除的请求
G	跳到最新一个请求
g	跳到第一个请求
C	清空控制台（C是大写）
i	可输入需要拦截的文件或者域名（逗号需要用\来做转译，如：taobao.com）
a	放行请求
A	放行所有请求
?	查看界面帮助信息
^ v	上下箭头移动光标翻页
enter	查看光标所在列的内容
tab	分别查看 Request 和 Response 的详细信息
/	搜索body里的内容
esc	退出编辑
e	进入编辑模式

mitmdump的使用

使用命令启动mitmproxy，并将截获的数据保存到指定文件中，命令如下：$mitmdump -w outfile (这种不太推荐因为会太多, 要写最好拦截一些信息去写)

使用指定命令截获的数据，如指定处理脚本文件为script.py. $mitmdump -s script.py

# script.py 文件脚本
from mitmproxy import ctx
def request(flow):
    # 修改 Request 请求头 进行日志输出
    flow.request.headers['User-Agent'] = 'MitmProxy'
    info = ctx.log.info
    info(str(flow.request.headers))
    ctx.log.warn(str(flow.request.headers))
    ctx.log.error(str(flow.request.headers))

    info(flow.request.url)
    # info(str(flow.request.headers))
    # info(str(flow.request.cookies))
    # info(flow.request.host)
    # info(flow.request.method)
    # info(str(flow.request.port))
    # info(flow.request.scheme)
    print(flow.request.method,":",flow.request.url)

    # 其实在这里我们会编写程序进行信息爬取
    # TODO

def response(flow):
    # 修改 Response 请求头 进行日志输出
    info = ctx.log.info
    # info(flow.response.url)
    # info(str(flow.response.headers))
    # info(str(flow.response.cookies))
    info(str(flow.response.status_code))
    # info(str(flow.response.text))

打开手机，进入天猫，开始浏览，然后命令行窗口上就会疯狂输出信息，我们在script中编写的脚本代码同时会被调用
或者我们使用更专业的方式来测试
- 运行手机浏览器访问：http://httpbin.org/get 进行测试

使用自动化应用程序模拟手机操作并抓包的案例分析

1 ）任务

爬取京东商城的电脑商品并将数据存储到数据库中

2 ）分析

使用图形界面工具(Charles)或命令行工具(mitmproxy或mitmdump)进行接口数据分析

3 ）代码实现

仅供参考

import json, pymongo
from mitmproxy import ctx

# 连接MongoDB数据库 jddb, 选择集合 shop
client = pymongo.MongoClient('localhost')
db = client['jddb']
collection = db['shop']

def response(flow):
    protocol1 = 'http://'
    protocol2 = 'https://'
    url = 'api.m.jd.com/client.action?functionId=search'
    if flow.request.url.startswith(protocol1 + url) or flow.request.url.startswith(protocol2 + url):
        text = flow.response.text
        data = json.loads(text)
        shops = data.get('wareInfo)
        for shop in shops:
            item = {
                'spuId': shop.get('spuId'),
                'wname': shop.get('wname'),
                'price': shop.get('jdPrice'),
                'reviews': shop.get('reviews')
            }
            ctx.log.info(str(item))
            # 写入MongoDB数据库 注意要考虑到数据库的一些连接、关闭处理等，此处不再赘述
            # collection.insert(data)