引言

在数据爬取和自动化测试过程中，人机验证（如滑块、点选、短信验证等）是常见的反爬手段。贝壳网（ke.com）作为国内领先的房产平台，其人机验证机制较为复杂，涉及前端JS加密、动态Token、行为检测等技术。本文将通过逆向分析贝壳网的人机验证JS加密逻辑，并给出Python实现方案，帮助开发者绕过验证机制，实现高效数据采集。

1. 贝壳网人机验证机制概述

贝壳网的人机验证通常包括以下几种形式：

滑块验证：用户需拖动滑块完成拼图。
点选验证：要求用户点击符合要求的图片区域。
动态Token验证：前端生成加密参数，提交至后端校验。

本文重点分析动态Token加密逻辑，即前端如何生成加密参数（如 **token**、**signature** 等），并模拟该过程实现自动化绕过。

2. 逆向分析流程

2.1 目标定位

抓包分析
使用浏览器开发者工具（F12）或抓包工具（Charles/Fiddler）观察验证请求，找到关键API（如 **/api/captcha/verify**）。

关键参数识别
通常包含以下字段：

{"token": "xxxxxx","signature": "yyyyyy","timestamp": 1234567890,"behavior_data": "{...}"
}

这些参数由前端JS生成，需逆向其加密逻辑。

2.2 JS代码逆向

（1）查找加密入口

在浏览器中搜索关键词（如 **token**、**signature**、**encrypt**）。
通过调用堆栈（Call Stack）定位生成参数的函数。

（2）调试关键函数

假设发现以下关键函数：

function generateToken() {var e = Date.now();var t = encryptAES(e + "|" + Math.random());return t;
}

说明 **token** 由 **AES加密（时间戳|随机数）** 生成。

（3）提取加密算法

使用 Chrome DevTools 的 Sources 面板，格式化混淆的JS代码。
找到 **encryptAES** 函数，提取密钥和加密模式（如 **CBC**、**PKCS7Padding**）。

2.3 Python模拟加密

逆向完成后，用Python实现相同的加密逻辑。以下是一个示例：

（1）安装依赖

（2）Python实现AES加密

from Crypto.Cipher import AES
from Crypto.Util.Padding import pad
import base64
import time
import randomdef encrypt_aes(data, key, iv):cipher = AES.new(key.encode(), AES.MODE_CBC, iv.encode())padded_data = pad(data.encode(), AES.block_size)encrypted = cipher.encrypt(padded_data)return base64.b64encode(encrypted).decode()# 贝壳网AES加密参数（需根据实际逆向结果调整）
KEY = "xxxxxx"  # 替换为实际密钥
IV = "yyyyyy"   # 替换为实际IVdef generate_token():timestamp = int(time.time() * 1000)rand_num = random.random()raw_data = f"{timestamp}|{rand_num}"token = encrypt_aes(raw_data, KEY, IV)return token

3. 完整爬虫实现

3.1 获取验证参数

import requestsdef get_captcha_params():url = "https://ke.com/api/captcha/get"headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}response = requests.get(url, headers=headers)return response.json()def submit_captcha(token, signature):url = "https://ke.com/api/captcha/verify"data = {"token": token,"signature": signature,"timestamp": int(time.time() * 1000)}response = requests.post(url, json=data, headers=headers)return response.json()

3.2 模拟验证流程

# 1. 获取验证参数
captcha_data = get_captcha_params()# 2. 生成加密Token
token = generate_token()# 3. 计算签名（假设signature由HMAC-SHA256生成）
import hmac
import hashlibdef generate_signature(token, secret_key):return hmac.new(secret_key.encode(), token.encode(), hashlib.sha256).hexdigest()SECRET_KEY = "zzzzzz"  # 替换为实际密钥
signature = generate_signature(token, SECRET_KEY)# 4. 提交验证
result = submit_captcha(token, signature)
print("验证结果:", result)