破解geetest offline的尝试
最近因为有需要对爬取的非上市公司进行一个验证，而绝大多数的非上市公司又都是小微企业，比起爬企业征信系统来说，还是小微企业名录更方便一点
基于node.js axios全程破解 无需下载图片 无需模拟轨迹，offline模式就是任性
首先我们跟着正常获取数据的流程走一遍
- 打开小微企业名录并且打开控制台
可以看到大概有这几个请求
http://xwqy.gsxt.gov.cn/security/verify_ip
http://xwqy.gsxt.gov.cn/security/verify_keyword
http://xwqy.gsxt.gov.cn/pc-geetest/register?t=1516872325770
查看一下response(当然你熟悉geetest也行)就会发现register就是geetest的初始化请求啦
返回值如下
challenge:"a1d0c6e83f027327d8461063f4ac58a61c"
gt:"6146190e4171da316dbb5bcc076e2607"
success:0
其中你可以发现success基本都是0 也就是说离线模式
基本就是geetest不参与判断的一个状态，验证部分都在前台和中间服务器完成
回去看之前系统下载的js 会发现两个geetest提供的js
- geetest.0.0.0.js
- offline.6.0.0.js
这几个源文件也提供在项目中了
- 滑块拼合
发送了一个新的验证请求
http://xwqy.gsxt.gov.cn/pc-geetest/validate
request如下：
geetest_challenge:a1d0c6e83f027327d8461063f4ac58a61c
geetest_validate:010886ec_0084e_10100077776e
geetest_seccode:010886ec_0084e_10100077776e|jordan
既然是offline 那就分析offline.js呗
查看代码就能看到这句
return c >= f - 3 && c <= f + 3 ? {
success: !0,
message: "success",
validate: b.A(c, e.d.challenge) + "_" + b.A(a.b("rand0", e.c), e.d.challenge) + "_" + b.A(a.b("rand1", e.c), e.d.challenge),
score: Math.round(d / 200)
} : {success: 0, message: "fail"}
这不就是我们要的么！
validate: b.A(c, e.d.challenge) + "_" + b.A(a.b("rand0", e.c), e.d.challenge) + "_" + b.A(a.b("rand1", e.c), e.d.challenge),
offline.6.0.0.js和offline.5.0.0.js可以看出一样是通过密钥 rand rand1进行加密获取一个值，一半来说这种方案就是得依靠收集案例倒推，但是我们是不会重复造轮子的
github关键词一搜就能发现已经有人整理好了'https://github.com/9468305/python-script/blob/master/geetest_offline/util.py'
所以那就用呗
后续就只是涉及到爬虫以及页面跳转的问题了，具体可以看util内的代码
而且在micro_lib内也可以直接搜索 发送验证的地址改为http://xwqy.gsxt.gov.cn/mirco/micro_lib
并相应修改传入的值即可
organId:100000
textfield:encode后的关键词
fwId:1400
searchOrganId:
channelId:99
captcha:
geetest_challenge:3ef815416f775098fe977004015c619332
geetest_validate:010886ec_0084e_10100077776e
geetest_seccode:010886ec_0084e_10100077776e|jordan
npm install
npm run start
curl http://127.0.0.1:4001/公司关键词
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent