声明:本篇仅基于兴趣以及技术研究而对B站曾经发生过的抢楼事件背后相关技术原理进行研究而写。请不要将其作为私利而对B站以及B站用户体验造成影响!谢谢合作!若本文对B站及其用户带来困扰,请联系本人删除本文。
虽然说是技术研究,但实际上并没有什么太深的东西在里面,你只需要懂一点http协议的请求格式、懂python、会使用python requests package就能完成这个简单的任务了。
如果你不懂python,还是先简单了解一下配置环境以及语法再来继续下面内容。
好了,如果你想要简单浏览并了解一点http协议知识,可以试试阅读这两篇:https://blog.csdn.net/a19881029/article/details/14002273、https://blog.csdn.net/Stream__/article/details/78604937。
关于本文使用的python库:见 http://docs.python-requests.org/zh_CN/latest/
开始吧。
首先你肯定得有一个浏览器,我推荐Chrome —— 个人喜好。最好还有一个PyCharm或者其他python编辑器,如果你只喜欢用python自带的命令行工具也行。
然后说一点,现在B站为了防止抢楼,把番剧下所有视频的评论区都合并了(一些番剧貌似并没有这样做,例如哆啦A梦),以前每一个视频下都会有对应的评论区,现在所有视频的评论全部在一起的。。。所以现在就算要抢也只有对新番第一集抢楼可能才有‘意义’了。
然后有许多语言工具都可以进行B站的抢楼,比如使用python+phantomjs+selenium、js、Java、C++等,由于我学习能力与水平有限,没用过js、Java进行过爬虫,C++的话自己正在仿照python的requests决定尽力写一个好用的C++ http库。
嘛,这篇还是相当于用便利的requests来做一个爬虫小教学以及学习如何使用除get外的http动词。
工具都准备好了,让我们进入主题吧:
这里随便选了一部老番《D.C.Ⅱ S.S.》又称《初音岛》作为测试。
来到番剧剧集页面,先F12准备监控一会儿发送请求服务器返回的数据包:
当我们要进行这个任务的时候,我们必须要先知道:我们该向什么地方发送的请求?难道就直接对番剧页面发送就可以了吗?如果有做过网站的经验就会知道,一个网站的前端展示页面基本上都是通过 js + ajax 等通过后台的业务逻辑调用数据库中的数据加载到对应的jsp文件中的html标签中自动生成的。比如评论区,肯定有一个 post 的API接口来接受用户发送的数据,并将数据存入到数据库中,然后展示页面 + js + 数据库 + 后台业务逻辑等一套服务,最后我们用户才能在前端中看到丰富的内容,才能看到实时更新的数据,说实时更新不太对,但总之你每次刷新页面,网站后台就会做这些事情。
这些有什么用呢?至少我知道了当我在B站评论区编辑好要发送的消息并点击发送评论的时候,肯定是通过一个特地编写好的接口来post data,而这个post接口的url会在我们点击按钮的动作后显示在浏览器的网络监控中,所以,我们要找到这个接口的url就要先发送一个消息试一试:
最好就是在浏览器加载完该页面的数据后按F12打开监控台,这样比较干净,点击发表评论后,很快就可以注意到我们的动作的回馈,点一下看看内容:
显然,它是通过http post动词来提交的,从中我找到了这个add接口的url:
到这里已经可以宣告结束了。注意到Request Headers中就是我们需要自定义添加的请求头内容,然后,很关键的地方就是发送内容,它一般在Chrome监控台最下面:
oid对应当前视频的av号,这样才能确定是对哪一个视频进行的评论,可以在视频页面这里获取它:
这里type的含义不重要,message显然是我们要发送的东西,注意message如何是中文,那么将会进行url编码,可以参考:http://www.w3school.com.cn/tags/html_ref_urlencode.html
后面几个除csrf外的含义在这里也并不重要。。。
ps:刚才我对新番Comic Girls用同样的csrf试了一下,成功了:
B站评论区效果:
但其实我更觉得比较侥幸的是,B站的发送评论并没有做非常复杂的验证...我们在python中使用它们:
data = {
'oid': '2458871',
'type': '1',
'message': 'test~',
'plat': '1',
'jsonp': 'jsonp',
'csrf': 'da9c3263c011ee0969ce383e8d799f05'
}
然后利用浏览器中的Request Headers写好我们的请求头:
headers = {
'Accept': 'application/json, text/javascript, */*; q=0.01',
'Accept-Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'Connection': 'keep-alive',
'Content-Length': 'xxx', # 这里对应的就是我们的data数据的长度
'Cookie': 'xxx',
'Host': 'api.bilibili.com',
'Referer': 'https://www.bilibili.com/bangumi/play/ep86125',
'User-Agent': 'xxx',
}
这里上面注释中的长度可以这样获取,来到浏览器:
点击蓝色区域变为:
当然你可以肉眼一个个字符的数,但我还是选择复制一下这段字符串,然后到粘贴到PyCharm中,选中粘贴上去的那段字符串,然后蓝色框住的部分就是字符串的长度,也就是这里我们的Content-Length的长度:
但这是测试过后得到了add中的data信息才能知道长度,如果对一部没有add信息的视频,还是自己将data转换为浏览器中的拼接参数格式的字符串,然后用python len算一下字符串长度:
s = str(data).replace(': ', '=').replace(',', '&')\
.replace('\'', '').replace(' ', '')\
.replace('{', '').replace('}', '')
content_length = len(s)
print(s)
print(content_length)
或者直接len(str(data)),因为Content-Length对于填写并不严格,但虽然Content-Length对于填写并不严格,但就算随便填写长度也必须要比实际长度大,因为这样从推断上请求内容就应该是损坏的。而且注意一些字符以及中文字符的url编码格式,比如空格的为%20,但基本上都是%xx的格式,看url编码格式中英文字符也是%xx,但实际上也并不需要编码,所以长度需要注意下。。。
删除这段字符串,开始使用requests post:
r = request.post(url, data=data, headers=headers, timeout=1, )
print(r.status_code)
print(r.json()) # r.text
值得注意的一点是,有些接口的请求内容是data参数,data参数仅仅就是转换为字符串,而还有一些接口的请求内容格式是json,这时就只需要将参数data改为使用json即可:
r = request.post(url, json=json)
详细的可以对准post方法 Ctrl + 左键 看看源码可能会更有帮助。
ps:扩展一下,这里以上面的client发送post请求为例,它的http请求格式是这样的,其中c表示客户端,s表示服务端,(:)表示开始,(:!)表示结束:
c >> POST /x/v2/reply/add HTTP1/1\r\n c >>(Request headers:) User-agent: xxx\r\n c >> Accept: application/json, text/javascript, */*; q=0.01\r\n c >> Accept-Encoding': 'gzip, deflate, br\r\n c >> Accept-Language': 'zh-CN,zh;q=0.9\r\n c >> Connection: keep-alive\r\n c >> Content-Length: xxx\r\n c >> Cookie: xxx\r\n c >> Host: api.bilibili.com\r\n c >> Referer: https://www.bilibili.com/bangumi/play/ep86125\r\n c >>(Request headers:!) \r\n c >>(body:) oid=xxx&type=1&message=xxx&plat=1&jsonp=jsonp&csrf=xxx...\r\n c >>(body:!) s >>(:) ... s >>(:!) ...
注意请求格式以及整个过程底层做了哪些事:
1.请求方法与请求资源路径之间有空格,资源路径与协议版本之间有空格每一句后面加上\r\n,一个换行符一个换行表示该行结束;
2.请求头中key与value之间有冒号,冒号后面一定要加上空格,最后一个换行符一个换行表示该行结束;
3.请求头的结束输入以一行\r\n表示结束;
4.请求头结束后的下面才是请求body部分;
5.请求body结束以后,后面就是服务端返回的响应格式内容;
6.最后再返回请求的资源。
到这里,这样就完成了发送评论。
既然我们可以发送评论,那么我们又如何通过代码来删除呢?
我们先在页面中删除一条刚才对视频的评论测试一下,找到删除的接口:
可以看到B站删除的接口为:https://api.bilibili.com/x/v2/reply/del,而且也是通过post的方式进行的。
再看看发送删除请求需要什么内容:
注意到 rpid ,这不就是刚才发表评论时返回的json中出现过的吗,于是按照之前的发送方法,再通过删除接口写一个删除的方法:
由于之前发送的已经被删除了,前面的补充中还测试过《Comic Girls》,所以这里用她来做删除测试:
from requests import Session
request = Session()
url = 'https://api.bilibili.com/x/v2/reply/del'
data = {
'oid': '21683499',
'type': '1',
'rpid': '788555414',
'jsonp': 'jsonp',
'csrf': 'da9c3263c011ee0969ce383e8d799f05'
}
content_length = len(str(data).replace(': ', '=').replace(',', '&').replace('\'', ''))
headers = {
'Accept': 'application/json, text/javascript, */*; q=0.01',
'Accept-Encoding': 'gzip, deflate, br',
'Accept-Language': 'zh-CN,zh;q=0.9',
'Connection': 'keep-alive',
'Content-Length': str(content_length),
'Cookie': 'xxx',
'Host': 'api.bilibili.com',
'Referer': 'https://www.bilibili.com/bangumi/play/ep86125',
'User-Agent': 'xxx',
}
r = request.post(url, data=data, headers=headers, timeout=1, )
print(r.status_code)
print(r.json()) # r.text
运行结果:
B站页面上看看,发现没了:
之前补充中发表的评论是:emmmm...
对比一下楼层数也是正确的。其实我以为会用到delete动词的,但没想到B站的删除评论方法还是post。
最后,实际上我写完之后发现我的方法有问题,首先,新番第一集的oid如何获得?或许可以想办法通过新番时间表来获取,我去新番时间表中找了找,但没看到给出oid的文件。。。所以还是需要从其他角度找找解决办法,我觉得可以考虑从主页上获取到新番信息的链接,因为记得新番在开播前会有提醒,可惜我以前貌似从来没有点进去看过会是什么样子的。。。但假如这时就已经有页面了只是没有集数也好办,就不停的检测页面的变化,如何发现有了oid那就同时发送消息,emmm...
总之csrf目前应该可以固定不变的使用,只要找到oid,对新视频及时进行(qiang)评论(lou)的问题就解决了。
还有许多细节还得要自己去体会~ 我一直想要下载B站的视频,但一直没能完成。。。
2018-05-22 02:01:08 ps:关于如何获取csrf,可以参考我这篇中最后提到的方法。
# 额外花絮。。。
之前不太懂的时候,我很sb的试过这样写:
from requests import Session
request = Session()
url = 'https://api.bilibili.com/x/v2/reply/add'
data = {
'oid': '2458871',
'type': '1',
'message': 'test~',
'plat': '1',
'jsonp': 'jsonp',
'csrf': 'da9c3263c011ee0969ce383e8d799f05'
}
r = request.post(url, data=data, auth=('user', 'pw'), timeout=1, )
print(r.status_code)
print(r.json()) # r.text
显然被残酷的拒绝了:
因为这个接口并不是用于登录的接口,所以肯定不可能登录上的。。。