逆向百例——某备案号官网反爬

目标网站：aHR0cHM6Ly9iZWlhbi5taWl0Lmdvdi5jbi8jL0ludGVncmF0ZWQvaW5kZXg=

实战我们结合claude code提高我们的破解和爬虫脚本生成效率，文章我们主讲大致的流程和粗略的实战过程。

破解流程大致如下：

1、解决Cookies反爬（加速乐反爬），加速乐相关的讲解可以看我之前写过的文章。

2、请求头相关参数反爬，解决 Token 参数即可。

3、载荷参数加密反爬：

• 获取 Token 接口的载荷 authKey 加密，一个标准的md5加密，就可以获取请求头Token了
• 请求图片的载荷反爬，这个相对简单，直接用通用的uuid生成就可以（用 uuid4，省心、随机、安全）
• 这个载荷加密可以忽略 —— 主要是之前验证码反爬还是文字点选的时候，他的轨迹生成需要用一个标准的AES加密生成。现在是更新成新的验证码反爬了，所以可以忽略

4、验证码反爬：滑块验证码这里也是比较麻烦的一个难点，文章会简单讲解如何过这个比较特殊的滑块验证码反爬。

上面这四个解决完后你就可以采到网站对应的接口数据了。

声明

本文章中所有内容仅供学习交流，抓包内容、敏感网址、数据接口均已做脱敏处理，严禁用于商业用途和非法用途，否则由此产生的一切后果均与作者无关，若有侵权，请联系我立即删除！

以下内容仅供学习交流使用

一、加速乐反爬

在第二次请求的时候，我们直接把它返回的整段代码拿下来，放到文件中，然后用claude code 分析并用 python 纯算还原

便捷是便捷，就是有点烧tokens ！！

分析这段混淆代码，纯算得出的python代码如下，可以得出对应的加密情况，其实跟一下流程，然后手写你也可以写出来的（后悔分析这个了）：

importhashlib HASHERS={'md5':hashlib.md5,'sha1':hashlib.sha1,'sha256':hashlib.sha256,}defsolve(params):bts=params['bts']chars=params['chars']ct=params['ct']hasher=HASHERS[params.get('ha','sha256')]prefix,suffix=bts[0],bts[1]n=len(chars)foriinrange(n):forjinrange(n):candidate=prefix+chars[i]+chars[j]+suffixifhasher(candidate.encode('utf-8')).hexdigest()==ct:returncandidatereturnNonedefbuild_cookie(params,clearance):cookie=f"{params['tn']}={clearance};max-age={params['vt']};path=/"ifparams.get('is'):cookie+=';secure;SameSite=None'returncookieif__name__=='__main__':params={'bts':['1776759952.391|0|AAM','QPhyJ1Gv8oYvo%2F0ORrZaDs%3D'],'chars':'BHnQegpfVjzdggDbVroIFb','ct':'4e93f61dd7195d914a11704858054f507b767a8d66341492926b46d81b4497a9','ha':'sha256','is':True,'tn':'__jsl_clearance_s','vt':'3600','wt':'1500',}clearance=solve(params)ifclearanceisNone:raiseRuntimeError('no clearance match')print('clearance:',clearance)print('cookie :',build_cookie(params,clearance))

原理就是在 chars 里取两个字符 c1、c2，拼成 bts[0]+c1+c2+bts[1]，命中 sha256(x) == ct 即为 clearance，也就是加速乐第二次请求生成的 Cookies 参数__jsl_clearance_s。

上面我们的加速乐反爬就结束了。

二、请求头Token参数

这里要先解决authKey请求载荷的加密，直接全局搜索一下打个断点就行了

然后接口返回的数据就有一个是 token，存入请求头，这里也解决了

三、验证码反爬

该网站之前主要是 文字点选 的验证码反爬，最近更新验证码反爬变成了滑块，刚开始我还以为怎么变简单了呢？

结果这个滑块验证码并不简单，花的处理时间比上面其他的反爬操作还要久。

用ddddocr去识别获取的缺口位置得不到一个准确的位置，识别不了，那就解决不了。

所以，我们更改成把图片的Base64通过 np，cv2 解码成 BGR，基于局部方差的滑块缺口检测识别出背景图的缺口位置

核心思路：滑块缺口区是一块被压暗/平滑处理的均匀色块，在整张图里方差最小。脚本通过滑窗方差找这个极小值位置。

1、滑块识别整体流程

Base64图片 → 解码为图像 → 灰度化 → 计算局部方差 → 找方差最小区域 → 返回缺口坐标

识别结果如下：

对应的滑块验证码脚本可以私信我获取（非免费提供），也可直接在我的资源上下载。

最终脚本实现：