Python爬虫入门教程 41-100 Fiddler+夜神模拟器+雷电模拟器配置手机APP爬虫部分

2023-08-24 09:20:34

爬前叨叨

从40篇博客开始，我将逐步讲解一下手机APP的爬虫，关于这部分，我们尽量简化博客内容，在这部分中可能涉及到一些逆向，破解的内容，这部分尽量跳过，毕竟它涉及的东西有点复杂，并且偏离了爬虫体系太远，有兴趣的博友，可以一起研究下。

之前看到知乎有人对手机App爬虫归类，基本符合规则，接下来的10篇博客可能集中在80%的App上，所以还是比较简单的

50%的app，通过抓包软件就可以分析出抓取参数并抓取到信息。
30%的app，可能需要适当的反编译，分析出加密算法并抓取到信息。
10%的app，可能加固，需要脱壳，然后反编译，分析出加密算法并抓取到信息
10%的app，通过各式各样的签名，证书，设备绑定等方法，隐藏加密算法。

首先配置第一轮的环境，配置好了，下一篇博客，就采用Fiddler+夜神模拟器[雷电模拟器]等实现儿歌多多APP的数据抓取工作

抓包

抓包是爬虫里面经常用到的一个词，完整的应该叫做抓取数据请求响应包 ，而Fiddler这款工具就是干这个的，当然还有其他工具，后面的博客中咱也会提及到

你可以百度关键字：Fiddler抓取手机APP 相关的博客一大票~，哪篇博客基本都可以叫你入门，所以你可以看看各家的，今天我这篇博客主要写的是Fiddler配合模拟器实现抓包操作。

百度Fiddler软件，找到官网，下载按照流程安装即可，当然你可以自己去找一个汉化版，这个看你使用百度的水平了，我使用的是4.0以上版本，建议你也使用这个吧，当然版本越高越好。

做一些简单的配置

普通https抓包设置

打开Fiddler ------> Options .然后打开的对话框中，选择HTTPS tab页，如图所示：

说明 (配置完后记得要重启Fiddler)

选中"Decrpt HTTPS traffic", Fiddler就可以截获HTTPS请求
Ignore server certificate errors忽略证书错误

第一次会提示是否信任fiddler证书及安全提醒，选择yes，之后也可以在系统的证书管理中进行管理。

配置Fiddler允许远程连接

切换tab选项卡到 Connections 配置端口

选中"Allow remote computers to connect". 是允许别的机器把HTTP/HTTPS请求发送到Fiddler上来

等会设置手机代理时需要。设置好后重启fiddler保证设置生效。

到现在为止，其实Fiddler已经可以抓取你电脑上浏览器访问的数据了，如果不行，重启Fiddler和浏览器即可

记录本机的IP

打开cmd窗口，不会的自行百度

在里面输入 ipconfig 获取你的ip4地址，这个地址一定要记住，后面配置模拟器的时候是需要用的~

ip 192.168.137.1

下载模拟器

你可能更多的时候是使用模拟器来打游戏，作为程序猿，模拟器上安装APK是非常好用的。
自行下载安装夜神模拟器，雷电模拟器或者其他的都可以

安装完毕，长成这个样子
下载APK文件，直接拖拽到下面视图，就可以直接安装

找到设置，点击Wlan，长按鼠标左键，出现如下界面

点击修改网络

代理模式选择手动，输入刚才的IP和上述提到的8888端口

使用模拟器默认浏览器打开 http://192.168.137.1:8888，点"FiddlerRoot certificate" 然后安装证书，如图:

安装完毕之后，打开模拟器上的浏览器，输入www.baidu.com

在Fiddler中抓取到如下链接,代表环境配置已经完毕

温馨提示下，在抓包过程中，你的fiddler不能关闭哦。关闭了之后你手机网络就不能用了。

停止网络监控的话去掉wifi的代理设置即可

设置过滤

1.手机上设置代理后，这时候fiddler上抓到的是pc和app所有的请求，如果pc上打开网址，会很多，这时候就需要开启过滤功能了。

2.打开fiddler>Tools>Fiddler Options>HTTPS>...from remote clients only,勾选这个选项就可以了

...from all processes :抓所有的请求
...from browsers only ：只抓浏览器的请求
...from non-browsers only :只抓非浏览器的请求
...from remote clients only:只抓远程客户端请求

Fiddler 抓包简介

Fiddler想要抓到数据包，要确保Capture Traffic是开启，在File –> Capture Traffic。开启后再左下角会有显示，当然也可以直接点击左下角的图标来关闭/开启抓包功能。

需要能简单看懂Fiddler上的内容

更详细的使用，可以参考一篇写的很不错的文章参考博客

上述横着的红色框
|名称 |含义 |
|------|------|
|#|抓取HTTP Request的顺序，从1开始，以此递增|
|Result|HTTP状态码|
|Protocol|请求使用的协议，如HTTP/HTTPS/FTP等|
|Host|请求地址的主机名|
|URL|请求资源的位置|
|Body|该请求的大小|
|Caching|请求的缓存过期时间或者缓存控制值|
|Content-Type|请求响应的类型|
|Process|发送此请求的进程：进程ID|
|Comments|允许用户为此回话添加备注|
|Custom|允许用户设置自定义值|

下面竖着的红色框
|图标|含义|
|-----|-----|
||请求已经发往服务器|
||已从服务器下载响应结果|
||请求从断点处暂停|
||响应从断点处暂停|
||请求使用 HTTP 的 HEAD 方法，即响应没有内容（Body）|
||请求使用 HTTP 的 POST 方法|
||请求使用 HTTP 的 CONNECT 方法，使用 HTTPS 协议建立连接隧道|
||响应是 HTML 格式|
|响应是一张图片|
||响应是脚本格式|
||响应是 CSS 格式|
||响应是 XML 格式|
||响应是 JSON 格式|
||响应是一个音频文件|
||响应是一个视频文件|
||响应是一个 SilverLight|
||响应是一个 FLASH|
||响应是一个字体|
||普通响应成功|
||响应是 HTTP/300、301、302、303 或 307 重定向|
||响应是 HTTP/304（无变更）：使用缓存文件|
||响应需要客户端证书验证|
||服务端错误|
|| 会话被客户端、Fiddler 或者服务端终止|