最近开学后相信很多同学都发现课表小程序等无法使用了，这是因为学校更新了正方教务系统，导致了大批基于旧版正方系统的校园小程序无法继续爬取课表。

之前曾在GitHub上看到过本校师兄开发的school-api–一个基于旧版正方的python SDK，但新版无法使用。因此花了两天时间研究了下新版正方的登录(能登录后续的就EZ啦~)

既然都弄了，因此计划开发一个新的SDK。我比较懒 暂命名为new-school-sdk，项目目前还在开发中，先将登录的流程、验证码识别的思路罗列出来。(拿到了cookies 还有啥不能干嘛)

项目Github地址: https://github.com/Farmer-chong/new-school-sdk

登录前期准备

通过观察发现，有以下几个难点：

  1. 新版正方使用Java进行开发且并非前后端分离，因此只要我们能拿到cookie即能完成登录。
  2. 验证码的识别
  3. 正方使用了Rsa对数据进行加密

针对上述问题，开始一一解决

验证码部分

前置工作准备好后，开始从服务器获取验证码并进行验证

获取验证码

网络抓包发现，验证码是异步获取的，每次刷新都会发送一个请求到/zfcaptchaLogin

请求报文内容有：

1
2
3
4
"type": "refresh"
"rtk": "56f88546-d402-4afd-88b5-82a203258da8"
"time": "1630645045207"
"instanceId": "zfcaptchaLogin"

响应报文内容：

1
2
3
4
5
6
7
imtk: "29730cb5-d7ff-4fc9-aa9d-e3efc0a07f55"
mi: "a8f191af-f267-4681-881a-54558298db09.png"
msg: ""
si: "1ccd27c6-6208-41f9-adfb-13beafa6d954.png"
status: "success"
t: 1630645937179
vs: "not_verify"

观察请求报文发现需要type、rtk、time和instanceId这几个字段。

其中rtk未知，因此开始寻找其出现的地方。通过查找发现rtk出现在一个js文件中，初步猜测rtk是一个令牌，由服务器随机生成的。
因此我们要先获取rtk令牌，然后利用正则表达式将其值提取出来。

下载验证图片

但现在仍然无法获取验证图片的原始数据，再观察img的src属性，得知响应报文中的mi和si分别别是验证码和滑块。并且需要的url参数我们也已经获取了。

向/zfcaptchaLogin发送一个GET请求，请求参数如下:

1
2
3
4
5
type: image
id: 上一步响应体中的si
imtk: 上一步响应体中的imtk
t: 时间戳
instanceId: zfcaptchaLogin

滑动验证码识别

上文中有提到，参考这篇文章: https://blog.dairoot.cn/2021/06/26/zf-sliding-captcha/

大致流程如下：

  1. 将图片灰度化
  2. 识别出一段颜色差小于阈值的线(竖的)
  3. 识别出来的这段线不能太短(要和缺口差不多高)

因此即可计算出该线的x轴坐标，因此得到滑块偏移量。

模拟人手拖动&发起验证请求

从上一步中，我们得到了偏移量X和Y，接下来就要开始模拟人手拖动滑块的过程了。人手滑动验证码时，一般都是先快后慢的一个速度曲线，因此利用物理学公式分段设置加速度a，前半段a > 0，后半段a < 0。
当前速度用v表示，初速度用v0，位移用x，时间用t，它们之间满足如下关系：
x = v0 * t + 0.5 * a * t^2
v = v0 + a * t
移动算法的代码实现如下:

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
29
30
31
32
33
def _get_track(self, distance, y):
    """模拟人手滑动
    通过设置前快后慢的加速度，模拟人手滑动
    Args:
        distance ([int]): [移动距离]
        y ([int]): [滑块Y值]
    Returns:
        [list]: [坐标数组]
    """

    start = 1200
    current = 0
    track = []
    # 减速阈值
    mid = distance * 4 / 5
    # 计算间隔
    t = 0.2
    # 初速度
    v = 0
    while current < distance:
        # 加速->加速度为 2; 减速->加速度为-3
        a = 2 if current < mid else -3
        v0 = v
        # 当前速度 v = v0 + at
        v = v0 + a * t
        # 移动距离 x = v0t + 1/2 * a * t^2
        move = v0 * t + 1 / 2 * a * t * t
        # 当前位移量
        current += move
        # 加入轨迹
        track.append({"x": start + int(current), "y": y, "t": int(time.time() * 1000)})
        time.sleep(0.01)
    return track

至此，我们得到了发起请求的所有数据，因此向/zfcaptchaLogin发送一个POST请求，请求体如下：

1
2
3
4
5
6
type: verify
rtk: 56f88546-d402-4afd-88b5-82a203258da8
time: 1630650071446
mt: 将模拟滑动的内容通过base64编码
instanceId: zfcaptchaLogin
extend: 将UA进行编码

当验证通过时，得到如下的响应体:

1
2
3
msg: ""
status: "success"
vs: "verified"

登录部分

获取RSA公钥

通过查看页面源码和点击登录后抓包，登录发送一个请求到/xtgl/login_slogin.html，然后返回一个302的跳转。
其中请求报文内容如下：

1
2
3
4
5
csrftoken: csrftoken
language: zh_CN
yhm: 登录账号
mm: 加密后的密码
mm: 加密后的密码

此处csrftoken和mm两个字段是未知的。其中csrf令牌是为了防止攻击的，一般包含在form表单中，由后端生成。因此我们可以直接从页面中提取。如下图：

而mm字段，通过对前端异步请求部分的代码进行分析后，发现是利用RSA进行加密，从抓包中可以发现一个发送到/login_getPublicKey.html地址的GET请求。其响应体内容如下：

1
2
exponent: "AQAB"
modulus: "AIdzVtHXJLlh5vOlWFiRnWHc1xaChgqY1u4LNpaMjVUByVHwdvMMmlw4np8u/B3esIS2hsdQ7nRkrzWYYbkTWo8bm2LGS0H3/h1GVjLWaMrn1uj6lMYz0Y0O0AMUc19y23XRnSM7Q/d9V7tk6oS1HwyUKJwA7aSTgyenhNj26XrL"

因此得到了RSA的指数和模，但这里的modulus长度为 172。大概率是正方修改过加密，在JavaScript文件的注释中也可以看到。
本来是打算自己重写一个python版的实现，后来在GitHub上发现已有前人栽树，我乘凉就好啦！

PyRsa仓库: https://github.com/hibiscustoyou/pyrsa

到现在为止，整个登录流程的未知项就全解决了！🛫🍯

开始登录

再次观察数据包的流程，得知登录各项的顺序并做优化：

! 注意，在登录发生302跳转的时候，cookie会发生改变 !

  1. 访问登录页面，获取csrf和原始的cookies
  2. 获取rsa公钥
  3. 处理滑块验证
  4. 发起登录，得到登录后的cookie

成功截图：

后记

sdk开发中，希望大佬们多多给意见或者一起开发哈！