百度总计的JS脚本原理分析

 

       
百度总括是按照cookie的,当呼吁js脚本的时候,会在您电脑里保存一个永久cookie,该cookie作为你的用户标识。同时发现,但剥离时候参数ep从最初始的0变为了“7289%2C115”,转义后是“7289,115”这是六个飞秒单位,即7.2秒和0.1秒的意思。同时前一回呼吁hm.gif的时候lt参数(时间,javascript:(new
Date).get提姆e())是不变的。rnd随机数每一遍都变。

 

从js代码中可以收获,所有参数包括这些:”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”。这么些参数的意思大致如下:

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

当这多少个参数都安装停止了(有些参数并没有赋值),筛选出曾经赋值了的参数,并作为hm.baidu.com/hm.gif的参数拼凑出一个url,如:http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=0&et=0&fl=11.0&ja=1&ln=zh-cn
  。然后请求该图形。

if __name__ ==”__main__”:
a=Baidu(‘百度总计id’,’http://www.lixin.me/blog/test4','www.lixin.com.cn‘)
a.run()

第一,使用Wireshark(一款网络抓包工具)对浏览器实际的进程举行捕获。首先是接纳ie打开一个有超链接链接到有百度总结的网站,加载完毕后关闭浏览器。最终在Wireshark上拿到如此的网络数据包。

  1. 请求一段js脚本。
  2. 加载完毕时候动身五遍呼吁,并传递参数
  3. 剥离页面时候,发出五遍呼吁,并传递参数,与地方相比,发现ep参数有转移。

 

得到该h.js代码的还要,百度总结会往你的浏览器写入一个名字为“HMACCOUNT”的cookie,该cookie的超时时间为2038年,所以假诺你未曾清空浏览器cookie,基本就毫无过期。

http://hm.baidu.com/h.js?3266e9d3684e7a1307dc7c4b4a64b0ae
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=0&et=0&fl=11.0&ja=1&ln=zh-cn&lo=0<=1328171561&nv=1&rnd=2889921&si=3266e9d3684e7a1307dc7c4b4a64b0ae&st=3&su=http%3A%2F%2Fwww.zhanghangbo.com%2F&v=1.0.17
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=7289%2C115&et=3&fl=11.0&ja=1&ln=zh-cn&lo=0<=1328171561&nv=1&rnd=1444115283&si=3266e9d3684e7a1307dc7c4b4a64b0ae&st=3&su=http%3A%2F%2Fwww.zhanghangbo.com%2F&v=1.0.17
http://hm.baidu.com/hm.gif?cc=1&ck=1&cl=32-bit&ds=1366×768&ep=212486%2C4614&et=3&fl=11.0&ja=1&ln=zh-cn&lo=0<=1328171541&nv=1&rnd=1067394506&si=0f9e2caa14d6d0a51371b168d182314a&st=1&v=1.0.17

########################################################################
class Baidu:
“”””””
Referer=’http://www.lixin.me
TargetPage=’/www.lixin.me’
BaiduID=”
Hjs=”http://hm.baidu.com/h.js?
Hgif=”http://hm.baidu.com/hm.gif?
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’:’1024×768′,’et’:’0′,’ep’:’0′,’fl’:’11.0′,’ja’:’1′,’ln’:’zh-cn’,’lo’:’0′,’nv’:’1′,’st’:’3′,’v’:’1.0.17′}
#———————————————————————-

先是,百度总结会要求大家在要总计的页面中置放一段js语句,类似如下:

能够发现,浏览器总共向劳动器端发送了4次呼吁:

<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>

百度总计服务端,通过吸收到那多少个请求,并从这么些图形的网址附带的参数获取相关信息,记录访客访问记录;当页面被用户关闭的时候,同样会接触一次呼吁hm.gif的进程,但以此进程不是持有浏览器和富有关闭动作都扶助。

接下去通过程序模拟这一经过:

这段js,实质上是往页面中引入hm.baidu.com/h.js的这段代码,该代码的始末会按照后边的参数有所不同,h.js?前面的参数就是你在百度总括里的id。

cc: 不知道,一般为1
cf:url参数hmsr的值
ci:url参数hmci的值
ck:是否协理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:屏幕尺寸,如 ’1024×768′
ep:起始值为’0′,时间变量,反映页面停留时间,格式大概是:现在时刻-载入时间+“,”+另一个很小的时刻值
et:初阶值为’0′,假设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”, 在第一次呼吁没有
nv: 不知道,一般为1或者0
rnd:十位随机数字
sb:假如若360se浏览器该值等于‘17’
se: 和摸索引擎相关
si:总括代码id
st:
su:上一页document.referrer
sw: 不晓得,猜测和寻找引擎有关,一般为空
sse:不清楚,揣摸和查找引擎有关,一般为空
v:总结代码的本子 ,最近该值为“1.0.17”

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

h.js被下载后,便执行其脚本获取一些浏览器相关信息和走访来源,获取的音讯包括屏幕尺寸、颜色深浅、flash版本、用户语言等。

下边我们就来模拟四回呼吁,本次使用的python语言。