移动端爬虫工具与方法介绍

本文来自网易云社区

作者：王涛

本文主要介绍了移动端爬虫的工具与方法，作为一个入门的大纲。没有详细介绍的也给出了本人学习过程中借鉴的资料的链接，适合对移动端爬虫感兴趣的同学入门。

一、抓包模拟

基本原理（中间人攻击）

中间人攻击：在中间人攻击中，攻击主机通常截断客户端和服务器的加密通信。攻击机以自己的证书替代服务器发给客户端的证书。通常，客户端不会验证该证书，直接接受该证书，从而建立起和攻击机的安全连接。这样，客户端发送的数据，都会被攻击机获取和解密。

工具介绍

	Fiddler	charles	anyproxy
手机安装证书	需要	需要	需要
支持抓取	http/websocket/https(单向认证)	http/websocket/https(单向认证)	http/websocket/https(单向认证)
支持平台	win/mac/linux(受限）	win/mac/linux	win/mac/linux
脚本开发	Jscript.net	未知	js

具体的报文走向如下

手机上的配置方法（以Fiddler为例,其它类似）

准备工作：手机与PC在同一个局域网内（可以连同一个WIFI，或者电脑插入移动WIFI）
配置步骤见下：

参考链接： https://blog.csdn.net/gld824125233/article/details/52588275

==特别说明,抓不到报文可能的情况==

1、单向双向 https

https的抓包原理是基于中间人攻击的方式，但是这种方式只适用于单向认证的方式，也就是只是客户端去检验服务端的证书。而双向认证的Https,服务端还会校验客户端的证书。https握手过程如下:

如何检测是双向认证还是单向认证，可以通过wireshark抓包看双方的协商过程，证书的交换是否是双向的。

解决办法：暂时没有好的办法解决这个抓包的问题

2、ssl pinning

ssl pinning:证书锁定Certificate Pinning是SSL/TLS加密的额外保证手段。它会将服务器的证书公钥预先保存在客户端。在建立安全连接的过程中，客户端会将预置的公钥和接受的证书做比较。如果一致，就建立连接，否则就拒绝连接。Certificate Pinning在手机软件中应用较多。因为这些应用连接的服务器相对固定，可以预先将服务器的X509证书或者公钥保存在App中。例如，苹果应用商店Apple App Store就预置了这个功能。当使用中间人工具或者Fiddler之类的工具拦截数据，就会造成应用商店无法联网的情况。

解决办法：手机安装xposed和Justtrustme 插件(https://github.com/Fuzion24/JustTrustMe)

抓取实现

抓到报文后，就可以模拟请求了。请求发送的几种方式：

抓包工具里面提供了发送功能，Fiddler中的Composer 标签里提供了此功能。
Chrome的Postman扩展程序也可以用来发送报文。
Python中的requests包也可以方便地实现

缺陷

如何构造更多的请求？(常见的分页请求、更换查询参数等)
如果抓不到包怎么办？(如果通信走socket怎么办？)
http参数中包含加密、签名字段，如何找到参数的生成方法？

二、模拟点击

基本原理（基于UIautomator）

通过程序模拟人的行为对APP的界面进行点击、滑动等操作，同时可以获取APP的Activity页面上的大部分控件上的文本信息（有一些可能获取不到,Uiautomator本身就获取不到）

Appium官网介绍：
https://appium.io/docs/cn/about-appium/intro/，
https://github.com/appium/appium

Macaca: https://macacajs.com/

工具介绍

	Appium	Macaca
支持平台	需要	需要
脚本语言	PC/ios/android/hybrid（h5、native混合）	PC/ios/android/hybrid
备注	支持Android所有版本	Android支持API>17
底层框架	UIAutoation(IOS)/UIAUtomator+Selendroid(Android)	XCUITest(IOS)/UIAUTOMATOR(Android)
稳定性	一般	更好
开源	JS基金项目，社区活跃	阿里开源，未来未知

==特别说明==

无

抓取实现

程序基本架构
框架API说明
以Appium为例，Appium 支持的API 介绍如下：

定位支持

通过accessibility id查找元素
通过元素id
通过元素文本内容
通过元素可见链接文本定位
通过元素标签名称定位元素
通过元素class name属性定位元素
支持单个、批量获取

操作支持

从某个元素滑动到另一个元素
把某元素拖到目标元素
模拟手指点击（最多五个手指），可设置按住时间长度（毫秒）
从A点滑动到B点，滑动时间可配
快速滑动
模拟双指捏（缩小操作）
在元素上执行放大操作
单击
还能摇一摇（IOS支持）
执行JS脚本
获取H5页面的page source
输入框输入（回车的支持，建议选用sogou输入法，keycode: 66 ,==这样不需要去定位键盘上回车的输入==）

控制APP

安装、删除、运行、关闭APP
指定运行某APP的某activity

获取控件信息

文本
元素tag名称
内容描述(content-desc)

样例代码(python)

如果使用过selenium做爬虫或测试，对这个接口应该很熟悉。

from appium import webdriver

desired_caps = {}
desired_caps['platformName'] = 'Android'desired_caps['platformVersion'] = '6.0'desired_caps['deviceName'] = '192.168.174.101:5555'desired_caps['appPackage'] = 'com.android.calculator2'desired_caps['appActivity'] = '.Calculator'driver = webdriver.Remote('http://localhost:4723/wd/hub', desired_caps)
driver.find_element_by_id("digit_1").click()
driver.find_element_by_id("op_add").click()
driver.find_element_by_id("digit_2").click()
driver.find_element_by_id("eq").click()
driver.quit()

缺陷

获取效率低

定位元素需要时间
为了保证稳定，需要在额外地增加等待时间

获取的数据有限

只能获取到界面上可视控件的信息
H5页面信息，（需要切换driver到H5）

Appium的不稳定，出现异常时有可能进程卡死，需要重新启动

三、APK逆向

基本原理

方法一、二对于没有android逆向经验的朋友是不错的选择，开发起来也比较简单，能满足一些对于应用数据的需求。但是如果想要更高效地获取更多的数据，就需要研究APP的代码。通过向APK中注入自己的代码，修改APP本身原来的逻辑，比如修改函数执行内容、增加新的逻辑等等来来实现自己的目标。一般的操作步骤如下：

逆向APK
分析smali代码
通过hook框架向APK中注入代码，修改逻辑

需要的基础

smali语法
APK反编译
静态、动态调试
常用HOOK框架
反调试、反HOOK应对策略

下面知识可以快速入门smali语法，最基本的数据类型，函数定义关键字，寄存器作用说明

关键字

field private isFlag:z　---　定义变量.method　---　方法.parameter　---　方法参数.prologue　---　方法开始.line 12　---　此方法位于第12行invoke-super　---　调用父函数const/high16 v0, 0x7fo3　---　把0x7fo3赋值给v0invoke-direct　---　调用函数return-void　---　函数返回void.end method　---　函数结束new-instance　---　创建实例iput-object　---　对象赋值iget-object　---　调用对象invoke-static　---　调用静态函数

数据类型

B　---　byteC　---　charD　---　double (64 bits)F　---　floatI　---　intJ　---　long (64 bits)S　---　shortV　---　void　只能用于返回值类型Z　---　BooleanLxxx/yyy/zzz;　---　类
 [XXX　---　数组

寄存器类型

寄存器采用v和p来命名，
v表示本地寄存器，p表示参数寄存器，
共16个寄存器,v0~v15,  关系如下
v0第一个本地寄存器
v1第二个本地寄存器v2 p0(this)v3 p1第一个参数
v4 p2第二个参数
v5 p3第三个参数


当然，如果是静态方法的话就只有5个寄存器了，不需要存this了。
.registers使用这个指令指定方法中寄存器的总数
.locals使用这个指定表明方法中非参寄存器的总数，放在方法的第一行

网址参考
https://bbs.pediy.com/thread-151769.htm

工具介绍

1. 反编译工具

APKToolbox 工具

AndroidKiller(smali 代码IDE)

常见问题及解决办法

有一些包无法使用Apktool进行反编译，常用解决办法：

 需要先下载smali.jar,baksmali.jar signapk.jar，
 先把APK包解压缩，然后直接使用 smali.jar  baksmali.jar 来进行解压缩1:将dex 输出为 smali文件
java -jar baksmali-2.0.3.jar classes.dex   # 把dex 文件反编译2:将修改的smali 文件 重新打包成dex 文件# 把 out 文件夹下的smali文件重新打包成classes.dex文件java -jar smali-2.0.3.jar out #给APK包签名java -jar signapk.jar testkey.x509.pem testkey.pk8 update.apk update_signed.apk

2. 脱壳工具

一些对安全性要求高的APP会采用加固工具为自己的APK加壳，表象就是你能反编译代码，反编译出来的smali代码很简单，只能看到壳的主程序代码，并没有真实的业务逻辑代码。可以借助apktoolbox来进行检测是什么壳，而去寻找对应的脱壳工具。（由于加固这个比较专业，这里只推荐几款比较出名的脱壳工具，细的就讲不了了）

https://github.com/DrizzleRisk/drizzleDumper 某数字公司壳
https://github.com/DrizzleRisk 其它几个脱壳工具
https://github.com/zyq8709/DexHunter 很久没更新了
https://github.com/F8LEFT/FUPK3 需要修改android源码

3. 常用Hook 框架

	xposed	Cydia Substrate	Frida
支持的系统	android	android/IOS	win/mac/linux/IOS/Android
版本要求	android<=8.0	android(<=4.4)/ios(<=9.1)	android<=8.1
开发语言	Java	Java	Python+Js
是否Root	需要	需要	需要
运行	安装后重启	安装模块后需要软重启	基于脚本交互
Java/Native	Java层	Java/Native	Java/Native

Xposed：
API介绍：https://api.xposed.info/reference/packages.html
开发者论坛：（https://forum.xda-developers.com/xposed）

Cydia Substrate:
官网：http://www.cydiasubstrate.com/
文档：http://www.cydiasubstrate.com/id/264d6581-a762-4343-9605-729ef12ff0af/

Frida:
官网：https://www.frida.re/

4. 动态调试smali代码

需要安装smaliidea,具体教程
http://blog.csdn.net/linchaolong/article/details/51146492

5. 动态调试so

使用IDA工具包,具体教程:
http://blog.csdn.net/jiangwei0910410003/article/details/51500328

==特殊说明==

随着开发者对于数据安全性的重视，一般的APK都会有各种保护策略，包括代码混淆、加壳，反调试，hook检查等等策略。我们非专业安全研究人员，只能见招拆招，只要能实现我们的目的就可以了，面对一些常规的策略有以下几种应对措施。

反调试

调用ptrace(PTRACE_TRACEME,0,0,0) （原理一个进程只能被一个进程Ptrace)
检测TracerPid的值
检测代码的执行间隔时间
检测手机的硬件信息是否在调试器中
检测android_server的端口号
检测android_server 名称
检测在调试状态下的软件断点
通过使用Inotify对文件进行监控
检测进程列表中是否存在常见的Hook/调试的进程名称

反hook

检测已经安装的应用里是否包含xposed/Cydia Substrate

hook PackageManager的getInstalledApplications，把Xposed或者Substrate的包名去掉

关键函数检查调用栈里的可疑方法

hook Exception的getStackTrace，把自己的方法去掉

检测并不应该Native的native方法

hook getModifiers，把flag改成看起来不是native

通过/proc/[pid]/maps检测可疑的共享对象或者JAR

hook 打开的文件的操作，返回/dev/null或者修改的map文件

抓取实现

基于框架，开发hook代码

缺陷

hook的方式对APK的代码有侵入，需要对APK中的各种反调试、反hook检测手段做规避
如果遇到加壳的,分析时间会很长。如果无法脱壳，那么将无法实现抓取

四、开发工具

Requests库
开源框架包括

Pyspider
Scrapy
Tornado协和实现并发访问

五、参考

Smali语法：https://www.jianshu.com/p/ba9b374346dd
IDA使用介绍：http://blog.csdn.net/jiangwei0910410003/article/details/51500328
反反调试：http://blog.csdn.net/feibabeibei_beibei/article/details/60956307
反反hook: http://gnaixx.cc/2016/09/03/android-anti-hooking/
Fiddler小白入门： http://blog.csdn.net/gld824125233/article/details/52588275
浅析HTTPS中间人攻击与证书校验：http://blog.csdn.net/zhangmiaoping23/article/details/79228637

网易云免费体验馆，0成本体验20+款云产品！

更多网易研发、产品、运营经验分享请访问网易云社区。

相关文章：
【推荐】大数据在政府中的应用案例

posted @ 2018-09-20 15:12 网易数帆阅读(7091) 评论(1) 编辑收藏举报

刷新页面返回顶部

网易数帆

移动端爬虫工具与方法介绍

一、抓包模拟

基本原理（中间人攻击）

工具介绍

具体的报文走向如下

手机上的配置方法（以Fiddler为例,其它类似）

参考链接： https://blog.csdn.net/gld824125233/article/details/52588275

==特别说明,抓不到报文可能的情况==

1、单向双向 https

2、ssl pinning

抓取实现

缺陷

二、模拟点击

基本原理（基于UIautomator）

工具介绍

==特别说明==

抓取实现

样例代码(python)

缺陷

三、APK逆向

基本原理

需要的基础

工具介绍

1. 反编译工具

2. 脱壳工具

3. 常用Hook 框架

4. 动态调试smali代码

5. 动态调试so

==特殊说明==

反调试

反hook

抓取实现

缺陷

四、开发工具

五、参考

公告