xml地图|网站地图|网站标签 [设为首页] [加入收藏]

百度总括的JS脚本原理深入分析

先是,百度总括会供给大家在要计算的页面中放到一段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,该代码的剧情会依赖前边的参数有所分裂,h.js?前面包车型客车参数就是您在百度总括里的id。

获取该h.js代码的同有时候,百度计算会往你的浏览器写入贰个名称为“HMACCOUNT”的cookie,该cookie的晚点时间为2038年,所以一旦您未曾清空浏览器cookie,基本就不用过期。

h.js被下载后,便试行其脚本获取一些浏览器相关新闻和会见来源,获取的音讯饱含荧屏尺寸、颜色深浅、flash版本、客商语言等。

从js代码中得以拿走,全体参数包涵那一个:”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”。那一个参数的意义大致如下:

cc: 不知道,一般为1
cf:url参数hmsr的值
ci:url参数hmci的值
ck:是不是扶助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:显示器尺寸,如 ’1024×768′
ep:早先值为’0′,时间变量,反映页面停留时间,格式大致是:今后时间-载入时间+“,”+另二个非常小的光阴值
et:初阶值为’0′,尽管ep时间变量不是0的话,它会化为任何
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”, 在第叁遍呼吁未有
nv: 不知道,一般为1或者0
rnd:12人随机数字
sb:要是是360se浏览器该值等于‘17’
se: 和寻觅引擎相关
si:计算代码id
st:
su:上一页document.referrer
sw: 不知情,推测和研究引擎有关,一般为空
sse:不知晓,估摸和寻找引擎有关,一般为空
v:总结代码的本子 ,近来该值为“1.0.17”

当这个参数都设置完成了(有个别参数并从未赋值),筛选出已经赋值了的参数,并视作hm.baidu.com/hm.gif的参数拼凑出一个url,如:   。然后必要该图形。

百度总计服务端,通过接收到这些须要,并从那一个图形的网站附带的参数获取相关新闻,记录访客访问记录;当页面被顾客关闭的时候,一样会接触三遍呼吁hm.gif的长河,但以此进度不是装有浏览器和具有关闭动作都辅助。

 

接下去通进程序模拟这一经过:

率先,使用Wireshark(一款互连网抓包工具)对浏览器实际的长河进展捕获。首先是运用ie展开三个有超链接链接到有百度计算的网址,加载完成后关门浏览器。最终在Wireshark上赢得那样的网络数据包。




能够窥见,浏览器总共向服务器端发送了4次呼吁:

  1. 伸手一段js脚本。
  2. 加载达成时候动身二遍呼吁,并传递参数
  3. 脱离页面时候,发出三回呼吁,并传递参数,与地方比较,开掘ep参数有生成。

        百度总结是依据cookie的,当呼吁js脚本的时候,会在您Computer里保存叁个永远cookie,该cookie作为你的顾客标记。同期发掘,但剥离时候参数ep从最开首的0变为了“7289%2C115”,转义后是“7289,115”那是三个纳秒单位,即7.2秒和0.1秒的意思。同临时候前三次呼吁hm.gif的时候lt参数(时间,javascript:(new Date).getTime())是不改变的。rnd随机数每一回都变。

上面大家就来效仿二遍呼吁,此番使用的python语言。

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

########################################################################
class Baidu:
""""""
Referer=''
TargetPage='/www.lixin.me'
BaiduID=''
Hjs=""
Hgif=""
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':'1024x768','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('百度总计id','')
a.run()

 

本文由美高梅集团网址发布于体育教学-期刊点评,转载请注明出处:百度总括的JS脚本原理深入分析

TAG标签:
Ctrl+D 将本页面保存为书签,全面了解最新资讯,方便快捷。