2025-09-06 约 1300 字预计阅读 3 分钟

电商网站逆向案例

概述

电商网站通常具有复杂的反爬虫机制，包括 API 签名、加密价格、滑块验证码等。本文通过实际案例介绍电商网站的逆向思路。

案例一：商品价格加密

背景

某电商网站的商品列表页，价格字段返回的是加密字符串：

浏览器能正常显示价格，说明前端有解密逻辑。

逆向步骤

1. 定位解密函数

方法一：搜索关键词

1
2
3
4
// 在 Sources 面板搜索
"price_enc";
"decrypt";
"AES";

方法二：DOM 断点

右键价格元素 -> Inspect
右键 DOM 节点 -> Break on -> subtree modifications
刷新页面，断点会停在修改价格的代码处

2. 分析加密算法

断点停下后，观察 Call Stack：

1
2
3
updatePrice()
|- decryptPrice(encryptedPrice)
|- CryptoJS.AES.decrypt(enc, key, {iv: iv})

发现使用了 AES-CBC 加密，Key 和 IV 都在 JS 中硬编码：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
function decryptPrice(enc) {
var key = CryptoJS.enc.Utf8.parse("1234567890abcdef");
var iv = CryptoJS.enc.Utf8.parse("abcdefghijklmnop");
var decrypted = CryptoJS.AES.decrypt(enc, key, {
iv: iv,
mode: CryptoJS.mode.CBC,
padding: CryptoJS.pad.Pkcs7,
});
return decrypted.toString(CryptoJS.enc.Utf8);
}

3. Python 实现

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
from Crypto.Cipher import AES
from Crypto.Util.Padding import unpad
import base64

def decrypt_price(price_enc):
key = b'1234567890abcdef'
iv = b'abcdefghijklmnop'

cipher = AES.new(key, AES.MODE_CBC, iv)
encrypted_data = base64.b64decode(price_enc)
decrypted = unpad(cipher.decrypt(encrypted_data), AES.block_size)

return decrypted.decode('utf-8')

# 测试
price_enc = "U2FsdGVkX19Qx7..."
print(decrypt_price(price_enc)) # "￥5999"

案例二：API 签名逆向

背景

商品搜索接口需要签名参数：

1
GET /api/search?q=iPhone&page=1&sign=abc123&timestamp=1234567890

不带 sign 或签名错误都会返回 403。

逆向步骤

1. 定位签名生成

XHR 断点:

Sources -> XHR/fetch breakpoints
输入 /api/search
刷新页面，断点会在请求发送前停下

2. 分析签名逻辑

在 Call Stack 中追踪，发现签名生成函数：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
function generateSign(params) {
// 1. 参数排序
var keys = Object.keys(params).sort();

// 2. 拼接字符串
var str = keys.map((k) => k + "=" + params[k]).join("&");

// 3. 加盐
str += "&key=my_secret_key_2023";

// 4. MD5
return md5(str);
}

验证:

1
2
generateSign({ q: "iPhone", page: 1, timestamp: 1234567890 });
// "e10adc3949ba59abbe56e057f20f883e"

3. Python 实现

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import hashlib
import time

def generate_sign(params):
# 参数排序
sorted_params = sorted(params.items())

# 拼接
param_str = '&'.join([f"{k}={v}" for k, v in sorted_params])

# 加盐
sign_str = param_str + '&key=my_secret_key_2023'

# MD5
return hashlib.md5(sign_str.encode()).hexdigest()

# 使用
params = {
'q': 'iPhone',
'page': 1,
'timestamp': int(time.time())
}
params['sign'] = generate_sign(params)

# 发送请求
import requests
response = requests.get('https://example.com/api/search', params=params)
print(response.json())

案例三：滑块验证码

背景

登录时出现滑块验证码，需要拖动滑块到指定位置。

逆向思路

1. 轨迹生成

真实用户拖动滑块时，轨迹是不规则的（有加速、减速、抖动）。

简单的线性轨迹:

1
2
3
4
5
6
7
8
def generate_track(distance):
track = []
current = 0
while current < distance:
step = min(5, distance - current) # 每次移动 5px
track.append(step)
current += step
return track

模拟真实轨迹 (更高级):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import random

def generate_realistic_track(distance):
track = []
current = 0
mid = distance * 0.8 # 80% 处开始减速

while current < distance:
if current < mid:
# 加速阶段
step = random.randint(5, 10)
else:
# 减速阶段
step = random.randint(2, 5)

if current + step > distance:
step = distance - current

track.append(step)
current += step

# 随机抖动
if random.random() < 0.2:
track.append(-random.randint(1, 2))
current -= track[-1]

return track

2. Selenium 模拟

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.common.by import By
import time

driver = webdriver.Chrome()
driver.get('https://example.com/login')

# 等待滑块加载
slider = driver.find_element(By.CLASS_NAME, 'slider-button')

# 生成轨迹
distance = 260 # 需要移动的距离（像素）
track = generate_realistic_track(distance)

# 执行拖动
ActionChains(driver).click_and_hold(slider).perform()
for step in track:
ActionChains(driver).move_by_offset(step, 0).perform()
time.sleep(random.uniform(0.001, 0.003)) # 模拟人类延迟

ActionChains(driver).release().perform()

案例四：限流与反爬

背景

频繁请求会触发限流：

单 IP 每分钟最多 60 次请求
超过后返回 429 Too Many Requests

绕过策略

1. 降低请求频率

1
2
3
4
5
6
7
8
import time

for page in range(1, 100):
response = requests.get(f'https://example.com/api/products?page={page}')
print(response.json())

# 休眠 1-3 秒
time.sleep(random.uniform(1, 3))

2. 使用代理池

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
proxies_list = [
{'http': 'http://proxy1:port'},
{'http': 'http://proxy2:port'},
# ...
]

for page in range(1, 100):
proxy = random.choice(proxies_list)
response = requests.get(
f'https://example.com/api/products?page={page}',
proxies=proxy
)

3. 分布式爬取

使用 Scrapy + Redis 实现分布式：

多台服务器同时爬取
Redis 存储任务队列和去重
每台服务器独立 IP

总结

电商网站逆向的核心挑战：

加密算法: 价格、库存等敏感数据加密
API 签名: 防止参数篡改
验证码: 滑块、点选、行为验证
限流: IP 封禁、频率限制

应对策略:

静态分析 + 动态调试定位加密逻辑
Hook 关键函数验证算法
使用代理池、降低频率避免封禁
Selenium/Puppeteer 应对复杂验证码

电商网站逆向案例

电商网站逆向案例

概述

案例一：商品价格加密

背景

逆向步骤

1. 定位解密函数

2. 分析加密算法

3. Python 实现

案例二：API 签名逆向

背景

逆向步骤

1. 定位签名生成

2. 分析签名逻辑

3. Python 实现

案例三：滑块验证码

背景

逆向思路

1. 轨迹生成

2. Selenium 模拟

案例四：限流与反爬

背景

绕过策略

1. 降低请求频率

2. 使用代理池

3. 分布式爬取

总结

相关章节

相关内容

目录