怎么突破CSS::before伪元素混淆反采集策略-创新互联

本篇内容主要讲解“怎么突破CSS ::before 伪元素混淆反采集策略”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“怎么突破CSS ::before 伪元素混淆反采集策略”吧!

分析参数列表，发现页面上有部分字符在HTML源码（运行时）中却找不到，很奇怪。仔细分析，原来是通过CSS :before 伪元素加了混淆，如下图示例：

核心代码如下所示：

view plain copy to clipboard print ?

1. HTML代码：  

2.    

3.   

4. CSS代码：   

5. .hs_kw5_configpl::before {  

6.     content: "上市";  

7. }  

熟悉DOM操作的同学知道，可以通过元素的getPropertyValue('content')方法来获取CSS伪元素的content属性，如下是示例代码：

view plain copy to clipboard print ?

1. window.getComputedStyle(  

2. document.querySelector('.hs_kw5_configpl'), ':before'  

3. ).getPropertyValue('content');  

在Console里测试一下，你会发现很奇怪，竟然获取不到有效值（如下图所示），本应该返回"上市"，却返回了"content"。

看来哪里又被动了手脚，TA是怎么做到的？

仔细分析发现一个路径包含GetModelConfig1.ashx的Aajx应答数据里含有JS代码，分析代码发现该上述SPAN元素是JS动态创建的，并发现相关可疑代码，如下所示(格式化后)：

view plain copy to clipboard print ?

1. function(element, pseudoElt) {  

2.     if (pseudoElt != undefined && typeof(pseudoElt) == 'string' && pseudoElt.toLowerCase().indexOf(':before') > -1) {  

3.         var obj = {};  

4.         // 重点是下面这句  

5.         obj.getPropertyValue = function(x) {  

6.             return x;  

7.         };  

8.         return obj;  

9.     } else {  

10.         return window.hs_fuckyou(element, pseudoElt);  

11.     }  

12. };  

原来是getPropertyValue()方法被偷梁换柱（改写）了！难怪调用无法获取预期的值。

继续分析JS代码，重点看SPAN元素的动态创建的过程，其中有如下代码：

view plain copy to clipboard print ?

1. function poL_(ctw_, RXe_) {  

2.     tPn_[\u0027\u0027 + ILC_ + iSW_ + uIo_ + pEA_ + GEv_ + Ewc_ + EPk_ + Zfo_ + sfd_ + UkX_](XZS_(ctw_) + URD_() + \u0027\"\u0027 + RXe_ + \u0027\" }\u0027, 0);  

3. // 可以将\u0027替换成'  

通过多次拦截应答修改数据（例如，修改为如下代码）测试发现，该函数的第二个参数Rxe_即为::before伪元素的content属性值，第一个参数是一个索引。

view plain copy to clipboard print ?

1. function poL_(ctw_, RXe_) {  

2.     // 看看ctw_和Rxe_参数具体是什么  

3.     console.log(ctw_ + '->' + RXe_));  

4.     tPn_[\u0027\u0027 + ILC_ + iSW_ + uIo_ + pEA_ + GEv_ + Ewc_ + EPk_ + Zfo_ + sfd_ + UkX_](XZS_(ctw_) + URD_() + \u0027\"\u0027 + RXe_ + \u0027\" }\u0027, 0);  

PS：拦截修改HTTP应答数据可以用Fiddler实现，也可以用mitmproxy，这里我们选择后者，因为它支持外挂Python脚本来实现数据修改功能。

如下图所示为控制台打印出的"索引->字符"映射表：

现在离成功很近了。这个索引数字具体有什么意义呢？

例如，“上市”的索引为5，上面我们看到“上市”对应SPAN元素是 ，大胆猜测，对应的就是class中的数字5。经多次验证，无误。

现在思路有了：

（1）通过Selenium加载页面（以自动完成数据动态加载，自动执行JS代码），并配置所有流量走mitmproxy；

（2）使用mitmproxy捕获GetModelConfig1.ashx的应答数据，找到poL_(ctw_, RXe_)函数，注入我们的JS代码，以曝出对应的"索引和混淆字符"映射表；

（3）利用该表即可还原混淆为明文；

需要注意的是，上述代码中的函数名（poL_）以及参数名(ctw_, RXe_)是动态变化的，但是经过多次观察发现是有规律的，通过如下方法可以定位该函数：

view plain copy to clipboard print ?

1. 查找如下字符串:  

2. '+ \u0027\" }\u0027'  

3. 定位前面出现的第一个function，即要注入的目标  

4. 例如 function poL_(ctw_, RXe_)  

5.   

6. 用正则表达式可以表述为：  

7. r'''''\s+(function\s+[^\{\}\(\)]+\(([^\{\}\(\)]+),([^\{\}\(\)]+)\)\{)[a-z\d\-\_]+\_\[.+?\+\s*\\u0027\\"\s*\}\\u0027'''  

代码自动注入这里我们采用mitmproxy来实现，注入脚本modify_response.py代码如下所示：

view plain copy to clipboard print ?

1. # coding: utf-8  

2. # modify_response.py  

3.   

4. import re  

5. from mitmproxy import ctx  

6.       

7. def response(flow):  

8.     """修改应答数据 

9.     """  

10.     if 'GetModelConfig' in flow.request.url:  

11.         # 汽车之家字符混淆（CSS :before 伪元素）破解  

12.         ctx.log.info('*' * 120 + '\n Found {}.'.format(flow.request.url))  

13.         m = re.compile(r'''''\s+(function\s+[^\{\}\(\)]+\(([^\{\}\(\)]+),([^\{\}\(\)]+)\)\{)[a-z\d\-\_]+\_\[.+?\+\s*\\u0027\\"\s*\}\\u0027''', re.IGNORECASE).search(flow.response.text)  

14.         if m:  

15.             # 提取函数名和参数  

16.             function_name = m.groups()[0]  

17.             param1 = m.groups()[1]  

18.             param2 = m.groups()[2]  

19.             ctx.log.info('Crack "CSS :before" in {}: "{}"'.format(function_name, flow.request.url))  

20.             # 替换后的内容  

21.             replacement = function_name + "document.body.appendChild(document.createTextNode('[' + {} + ']->{{' + {} + '}};'));".format(param1, param2)  

22.             #replacement = function_name + "console.log({} + '->' + {});".format(param1, param2)  

23.             flow.response.text = flow.response.text.replace(function_name, replacement)  

注入成功，页面加载完毕后，在页面底部会打印出我们想要的映射表：

有了这个映射表，就可以还原出明文了，代码如下所示：

view plain copy to clipboard print ?

1. def restore_css_confusion(html):  

2.     """还原混淆字符 

3.     html - 要处理的HTML文档源码; 

4.     """  

5.     confusions = {}  

6.     for index, string in re.compile(r'\[(\d+)\]->\{([^<>\;]+)\};').findall(html):  

7.         confusions[index] = common.normalize(string)  

8.     # 逐一替换  

9.     for span, index in re.compile(r'()').findall(html):  

10.         original_text = confusions[index]  

11.         print 'Restore "{}" into "{}"'.format(span, original_text)  

12.         html = html.replace(span, original_text)  

13.     return html  

还原之后就可以提取到正确的参数信息了，如下图所示：

到此，相信大家对“怎么突破CSS ::before 伪元素混淆反采集策略”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！