C#利用POST实现杭电oj的AC自动机器人,AC率高达50%~~

暑假集训虽然很快乐,偶尔也会比较枯燥,,这个时候就需要自娱自乐...

然后看hdu的排行榜发现,除了一些是虚拟测评机的账号以外,有几个都是AC自动机器人

然后发现有一位作者是用网页填表然后按钮模拟,,,默默噗噗的笑了。。。


先来晒一下排行榜



要模拟网页,,当然POST大法好啊,直接模拟发送POST数据不就好了咩,,搞填表啥的多麻烦,完全可以写一个程序后台自动跑。

然后他说了一句AC率能达到50%以上的爬虫也是挺吊的,,于是激起了我试一试的决心(我是不是很wuliao)...


先解释一下POST大法是啥。。。。

貌似研究POST的话,,弄易语言的可能研究的会比较多,很多人会利用POST来实现注册机,采集机,发贴机等等,,这里面的利益关系也是很深的

但是易语言弄POST也会遇到一些局限,,毕竟是语言的局限,再怎样也无法跟C#大法来比较,虽说C#用来弄单纯的POST略有浪费。。。

网页与网页服务器是利用http协议传输数据,包括两种,一种是GET一种是POST

模拟浏览器的点击啥的,,其实最终的目的是让浏览器解析网页,然后发送对应的数据包反馈给服务器

然而我们为什么不直接发送对应的数据包给服务器呢?这样就不关浏览器的事情了,也增加了程序的鲁棒性


对于整个程序总体的思路是这样的:

1.首先在百度上搜索对应的题号,然后采集百度上来自csdn的链接

2.对之前采集的链接利用类直接获取网页源码,从中解析code部分

3.最重要的一个剪枝,获取这个网页中<title>和</title>中的内容,从里面查找是否含有题号!!通过这个剪枝,整个AC率可以上升N倍~

4.认证code部分中是否含有"#include"这个内容,,这样可以防止code边框中可能是其他内容而不是代码

5.去杭电提交代码,如果通过了就下一题,不通过继续在之前解析的csdn中找代码


然后我们来一条一条的分析。。

首先放一个我自己写好的类,里面封装了最基础的http类和一些常用的函数(其实http类和Regex类只是把C#中的WebRequest类和Regex类简化了一下,,这样写起来更方便,然后稍微增加了几个常用到的文本处理的静态函数,以方便调用 )

[csharp] view plain copy
 print?
  1. /*Exyao_http.cs*/  
  2. using System;  
  3. using System.Collections.Generic;  
  4. using System.Linq;  
  5. using System.Text;  
  6. using System.Net;  
  7. using System.IO;  
  8. using System.Diagnostics;  
  9. using System.Text.RegularExpressions;  
  10.   
  11. namespace Exyao {  
  12.     class Exyao_http {  
  13.         public CookieContainer cookie = new CookieContainer();  
  14.         public string encode;  
  15.         public HttpWebResponse response;  
  16.   
  17.         public Exyao_http(string _Encoding) {  
  18.             encode = _Encoding;  
  19.         }  
  20.   
  21.         public string GET(string url) {  
  22.             HttpWebRequest http = (HttpWebRequest)WebRequest.Create(url);  
  23.             http.Method = "GET";  
  24.             http.CookieContainer = cookie;  
  25.             HttpWebResponse res = (HttpWebResponse)http.GetResponse();  
  26.   
  27.             response = res;  
  28.             Stream s = res.GetResponseStream();  
  29.             StreamReader rs = new StreamReader(s, Encoding.GetEncoding(encode));  
  30.             string ret = rs.ReadToEnd();  
  31.             rs.Close();  
  32.             s.Close();  
  33.             return ret;  
  34.         }  
  35.   
  36.         public string POST(string url, string data = "") {  
  37.             HttpWebRequest http = (HttpWebRequest)WebRequest.Create(url);  
  38.             http.CookieContainer = cookie;  
  39.             http.Method = "POST";  
  40.             http.ContentType = "application/x-www-form-urlencoded";  
  41.             Stream sd = http.GetRequestStream();  
  42.             StreamWriter sw = new StreamWriter(sd);  
  43.             sw.Write(data);  
  44.             sw.Close();  
  45.   
  46.             HttpWebResponse res = (HttpWebResponse)http.GetResponse();  
  47.             response = res;  
  48.             Stream s = res.GetResponseStream();  
  49.             StreamReader rs = new StreamReader(s, Encoding.GetEncoding(encode));  
  50.             string ret = rs.ReadToEnd();  
  51.             rs.Close();  
  52.             s.Close();  
  53.             return ret;  
  54.         }  
  55.   
  56.         public void deal_cookie() {  
  57.             string[] h = response.Headers.GetValues("Set-Cookie");  
  58.             if (h == nullreturn;  
  59.             foreach (string c in h) {  
  60.                 cookie.SetCookies(response.ResponseUri, c);  
  61.             }  
  62.         }  
  63.     }  
  64.   
  65.     class Exyao_Regex {  
  66.         private Regex r;  
  67.         private Match ret_;  
  68.         private bool is_all;  
  69.         private MatchCollection ret;  
  70.   
  71.         public Exyao_Regex(string s) {  
  72.             r = new Regex(s);  
  73.         }  
  74.   
  75.         public bool match(string s, bool all = falseint start = 0) {  
  76.             is_all = all;  
  77.             if (all) {  
  78.                 ret = r.Matches(s, start);  
  79.                 return ret.Count != 0;  
  80.             }  
  81.             else {  
  82.                 ret_ = r.Match(s, start);  
  83.                 return ret_.Success;  
  84.             }  
  85.         }  
  86.   
  87.         public int getn() {  
  88.             return ret.Count;  
  89.         }  
  90.   
  91.         public string get_text(int id = 0) {  
  92.             if (is_all) {  
  93.                 return ret[id].Value;  
  94.             }  
  95.             else {  
  96.                 return ret_.Value;  
  97.             }  
  98.         }  
  99.   
  100.         public string get_subtext(int i = 0, int j = 0) {  
  101.             if (is_all) {  
  102.                 GroupCollection g = ret[i].Groups;  
  103.                 return g[j + 1].Value;  
  104.             }  
  105.             else {  
  106.                 GroupCollection g = ret_.Groups;  
  107.                 return g[j + 1].Value;  
  108.             }  
  109.         }  
  110.     }  
  111.   
  112.     class F {  
  113.         public static string urlencode_utf8(string s) {  
  114.             byte[] bs = Encoding.GetEncoding("utf-8").GetBytes(s);  
  115.             int len = bs.Length;  
  116.             string ret = "";  
  117.             for (int i = 0; i < len; i++) {  
  118.                 int c = bs[i];  
  119.                 c = c < 0 ? 256 + c : c;  
  120.                 if (c < 42 || c == 43 || c > 57 && c < 64 || c > 90 && c < 95 || c == 96 || c > 122) {  
  121.                     ret += "%" + c.ToString("x2");  
  122.                 }  
  123.                 else {  
  124.                     ret += (char)c;  
  125.                 }  
  126.             }  
  127.             return ret;  
  128.         }  
  129.   
  130.         public static string urlencode_gb2312(string url) {  
  131.             byte[] bs = Encoding.GetEncoding("gb2312").GetBytes(url);  
  132.             int len = bs.Length;  
  133.             string ret = "";  
  134.             for (int i = 0; i < len; i++) {  
  135.                 int c = bs[i];  
  136.                 c = c < 0 ? 256 + c : c;  
  137.                 if (c < 42 || c == 43 || c > 57 && c < 64 || c > 90 && c < 95 || c == 96 || c > 122) {  
  138.                     ret += "%" + c.ToString("x2");  
  139.                 }  
  140.                 else {  
  141.                     ret += (char)c;  
  142.                 }  
  143.             }  
  144.             return ret;  
  145.         }  
  146.   
  147.         public static bool instr(string a, string b) {  
  148.             if (a.IndexOf(b) >= 0) return true;  
  149.             return false;  
  150.         }  
  151.   
  152.         public static string substr(string s, string l, string r, int begin = 0) {  
  153.             int lp, rp;  
  154.             lp = s.IndexOf(l, begin);  
  155.             if (lp < 0) return "";  
  156.   
  157.             rp = s.IndexOf(r, lp + l.Length);  
  158.             if (rp < 0) return "";  
  159.   
  160.             return s.Substring(lp + l.Length, rp - lp - l.Length);  
  161.         }  
  162.   
  163.         public static string readfile(string file, string encode = "gb2312") {  
  164.             FileStream fs = new FileStream(file, FileMode.Open);  
  165.             StreamReader sr = new StreamReader(fs, Encoding.GetEncoding(encode));  
  166.             string ret = sr.ReadToEnd();  
  167.             sr.Close();  
  168.             fs.Close();  
  169.             return ret;  
  170.         }  
  171.   
  172.         public static void writefile(string file, string content = ""string encode = "gb2312") {  
  173.             FileStream fs = new FileStream(file, FileMode.OpenOrCreate);  
  174.             StreamWriter sw = new StreamWriter(fs, Encoding.GetEncoding(encode));  
  175.             sw.Write(content);  
  176.             sw.Close();  
  177.             fs.Close();  
  178.         }  
  179.   
  180.         public static string gb2312_to_utf8(string s) {  
  181.             Encoding gb2312 = Encoding.GetEncoding("gb2312");  
  182.             Encoding utf8 = Encoding.GetEncoding("utf-8");  
  183.   
  184.             byte[] w = gb2312.GetBytes(s);  
  185.             w = Encoding.Convert(gb2312, utf8, w);  
  186.             return utf8.GetString(w);  
  187.         }  
  188.   
  189.         public static string utf8_to_gb2312(string s) {  
  190.             Encoding gb2312 = Encoding.GetEncoding("gb2312");  
  191.             Encoding utf8 = Encoding.GetEncoding("utf-8");  
  192.   
  193.             byte[] w = utf8.GetBytes(s);  
  194.             w = Encoding.Convert(utf8, gb2312, w);  
  195.             return gb2312.GetString(w);  
  196.         }  
  197.     }  
  198. }  


我们先来尝试一下利用http协议直接获取百度的内容

用Google浏览器按F12点Network就可以开始录制封包



一般最重要的那一条里面都会带有很重要的参数,要么Method就是POST类型,要么就是GET中带上了很重要的参数

很明显,这里面第一条地址中带了我们搜索的内容,地址是

[html] view plain copy
 print?
  1. http://www.baidu.com/s?wd=hdu1000&rsv_spt=1&issp=1&f=8&rsv_bp=1&rsv_idx=2&ie=utf-8&tn=02049043_14_pg&rsv_enter=0&oq=hdu1000&rsv_t=f307M1pw6K7opc%2Fa5gyHuAJnjgYujheimT04UNMEmJrUz%2BBAo6%2B64AxFVh4WEuKUzFNKx2Q&rsv_pq=f83db5cf0000629e  

我们可以稍微简化一下,其实可以就写成http://www.baidu.com/s?wd=hdu1000

这样我们就获得了地址,然后我们可以查看一下这个网页的源码



然后会得到html源码,找到大概的位置

一般html代码都是通过循环去生成的,所以每个块的代码基本都是类似的

我们只需要掌握这种代码格式就可以了

平时我们点击百度的地址就知道,,一般的链接刚开始使用的都是百度的短地址,然后会跳转,所以我们要采集那些短地址

把鼠标放到链接上,浏览器会显示出链接的地址,发现是以www.baidu.com/link开头的,于是我们在源码中搜索这一句



目标已经很明确了,就是要把他们取出来。。如果在acm里,,看似需要非常繁琐的文本处理,,

然而这是工程嘛,,用正则表达式效率已经高的惊人了。所以我们可以利用正则表达式写出匹配

因为我这下面这份函数是从以前写的,,当时就直接复制了,好像当时发现里面可能有可能引号是单引号的原因,所以写了两个正则去匹配

[csharp] view plain copy
 print?
  1. public static string[] baidu(string content) {  
  2.             Exyao_http http = new Exyao_http("utf-8");  
  3.             string html = http.GET("http://www.baidu.com/s?wd=" + F.urlencode_utf8(content) + "&ct=2097152&pn=0");  
  4.   
  5.             Exyao_Regex reg = new Exyao_Regex("data-tools=\"\\{title:'(.*?)',url:'(.*?)'\\}\"");  
  6.             reg.match(html, true);  
  7.   
  8.             List<string> ret = new List<string>();  
  9.             for (int i = 0; i < reg.getn(); i++) {  
  10.                 ret.Add(reg.get_subtext(i, 1));  
  11.             }  
  12.   
  13.             reg = new Exyao_Regex("data-tools='\\{\"title\":\"(.*?)\",\"url\":\"(.*?)\"\\}");  
  14.             reg.match(html, true);  
  15.   
  16.             for (int i = 0; i < reg.getn(); i++) {  
  17.                 ret.Add(reg.get_subtext(i, 1));  
  18.             }  
  19.             return ret.ToArray();  
  20.         }  

另外讲一下几个关于网页表单很重要的编码。。。

一个是url编码,因为如果要传送的数据中包含一些符号,可能会对原本的文本的分隔符产生冲突,比如& / =等一些用于地址的符号,所以需要把这些符号转义

网页中都是利用url编码进行转义的,在之前发的类中我已封装好了函数。。


然后一个问题就是网页的编码,分gb2312和utf-8两种

gb2312是中文编码,utf-8是一种更普遍的面向更多语言的编码,两种编码在字母的ASCII码上,是一样的

但是在中文汉字上,gb2312是占2个字节,但是utf-8是占3个字节,这也会导致两种编码下的内容url编码之后会不一样

对于网页一般在源码中都会表明清楚采用的是什么源码。是什么源码你数据包就应该使用哪种源码

我的那个http类处理了一下网页编码,只要刚开始在初始化的时候填好编码,,之后返回出来的内容都会自动转码,但是提交表单的时候还是需要按照指定的编码去url编码


现在,,我们来考虑如何从csdn的博客中采集代码

就以hdu1000的第一个地址为基础,我们来查看它的网页源码






我们可以发现,,标题肯定是在<title>里面啊,,我们需要先采集一次标题,,然后看我们的题号是否在这个标题中。如果不在,那这篇文章肯定就不是正确代码啊,,

acmer写题解当然会把题号写在标题中~~


再看代码可以发现,代码框里面的内容都在<pre>这个标签里面,,所以我们就可以采集整个网页中出现的<pre>标签里面的内容

然后在这个内容里面寻找是否有"#include",如果有,说明这个里面的代码就可能是答案了咯

[csharp] view plain copy
 print?
  1. public static string getcode(string url, string id = "") {  
  2.             Exyao_http http = new Exyao_http("utf-8");//csdn都是utf-8编码  
  3.   
  4.             Exyao_Regex zz = new Exyao_Regex("<pre.*?>([\\s\\S]*?)<\\/pre>");//正则表达式匹配所有的pre标签  
  5.             string html = http.GET(url);  
  6.             url = http.response.ResponseUri.ToString();  
  7.             if (!F.intext(url, "/article/details/")) return "";//如果网页的地址没有包括这个,说明不是博客的文章页面  
  8.   
  9.             string title = F.substr(html, "<title>""</title>");//获取标题  
  10.             if (!F.intext(title, id)) return "";//如果标题中没有题号  
  11.             if (!F.intext(title, "hdu") && !F.intext(title, "HDU")) return "";//防止标题是其他oj的对应题号  
  12.   
  13.             zz.match(html, true);//正则匹配全部的pre标签  
  14.             for (int i = 0; i < zz.getn(); i++) {  
  15.                 string code = zz.get_subtext(i, 0);  
  16.                 if (!F.intext(code, "#include")) continue;  
  17.   
  18.                 code = code.Replace("<""<");//下面全部都是转义一些符号  
  19.                 code = code.Replace(">"">");  
  20.                 code = code.Replace(""", "\"");  
  21.                 code = code.Replace("&""&");  
  22.                 code = code.Replace(" "" ");  
  23.                 Exyao_Regex reg = new Exyao_Regex("&#(.*?);");//这个也是为了转义符号  
  24.                 reg.match(code, true);  
  25.                 for (int j = 0; j < reg.getn(); j++) {  
  26.                     string p = "";  
  27.                     p += (char)(int.Parse(reg.get_subtext(j, 0)));  
  28.                     code = code.Replace(reg.get_text(j), p);  
  29.                 }  
  30.   
  31.                 //有的acmer喜欢在代码前面说一些感慨,所以代码要从第一个#include的位置开始,这样可以防止一些RE  
  32.                 return code.Substring(code.IndexOf("#include"));  
  33.             }  
  34.             return "";//找不到code  
  35.         }  

剩下的,,我们需要封装一下关于杭电oj的操作,估计很多人都是冲着如何POST而过来看的把。。

利用我们之前教的截取封包,我们来截取一下hdu的登录封包



这条的Method是POST方法,,因为截图空间有限没截取出来,,我们很容易就能发现数据包

于是可以得到POST的地址和数据

[plain] view plain copy
 print?
  1. 地址 http://acm.hdu.edu.cn/userloginex.php?action=login  
  2. 数据 username=账号&userpass=密码&login=Sign+In  
提交数据部分,也是一样的道理,都可以利用抓包工具获得

下面是关于杭电登录和提交的代码


之所以不发文件,和上面代码不直接发代码是为了防止恶意刷,,毕竟这个只是无聊做的,并不想被当成恶意攻击杭电oj,,(毕竟我还是很喜欢hduoj的)

之前我提交也都是选在凌晨,并且每份代码中间加了10s的延时,也是为了防止影响到别人刷题..


关于http协议方面还能做出许多很好玩的东西,,基本上网页能达到的效果,都可以通过程序直接模拟封包来完成


上次听别人说我博客好像不能留言了。。(不知道是不是真的→_→),,求测试。

posted @ 2016-04-24 10:50  小坏蛋_千千  阅读(339)  评论(0编辑  收藏  举报