爬虫学习笔记（二十二）—— Mitmproxy

一、简介和安装

1.1、概念和作用

概念

Mitmproxy是一个免费的开源交互式的HTTPS代理。MITM即中间人攻击（Man-in-the-Middle Attack）。

作用

1. 代理的作用，转发请求，保障服务端与客户端的通信
2. 查看，记录，修改数据，引发服务端或客户端的特定行为

补充：Mitmproxy与Fiddler、Charles异同
相同点： a、都是用来捕获 HTTP，HTTPS 请求的（其他协议比如 TCP,UDP,IP,ICMP 等就用Wireshark）
    b、抓包、断点调试、请求替换、构造请求、模拟弱网等
不同点：a、Fiddler只能运行在Windows系统；Mitmproxy、Charles是跨平台的，可运行在Windows、Mac或Linux系统等。
    b、Fiddler、Mitmproxy开源免费、Charles是收费的（可破解）。
    c、Mitmproxy支持命令行交互模式、GUI界面，Fiddler、Charles仅支持GUI界面（Fiddler底部有个命令行工具叫做 QuickExec）

---

1.2、安装

pip  install  mitmproxy

或

pip install -i https://pypi.douban.com/simple  mitmproxy  

如果直接安装的速度太慢了，可以在命令行中添加国内的镜像源加快速度，就是第二条命令。注意：python 版本不低于3.6

检查是否安装成功：命令行中输入命令查看mitmdump --version

安装成功后在Python安装路径Script路径下可以找到 mitmdump.exe 、mitmproxy.exe 、mitmweb.exe 这三个可执行文件。

---

1.3、工具介绍

• mitmproxy：命令行界面，允许交互式检查和修改http数据流，不支持windows

• mitmweb： Web界面，用户可以实时看到发生的请求，过滤请求，查看请求数据

• mitmdump： 一个命令行工具，没有界面，不能交互，但是可以通过启动参数并结合自定义脚本进行定制化功能的实现，是我们运行的环境

这三个命令功能一致，且都可以加载自定义脚本，唯一的区别是交互界面的不同；mitmproxy，mitmweb主要用来做调试，部署项目时使用mitmdump。

---

二、设置代理

2.1、PC端设置代理

开启代理时需要把其他的代理都关掉

开启代理

注：这时我们刚开启代理，还未安装证书，如果访问其他网址会出现报错，如下图所示：

---

2.2、PC端安装证书

在代理状态下，访问http://mitm.it/，PC端与移动端操作相同。

(注意：设置完成后，浏览器打开网页发现都是未连接网络，需要先启动mitmweb.exe或者mitmdump.exe程序才能打开链接)

根据自己的系统环境下载对应的证书安装

后面点击下载的证书按步骤导入就可以了

---

2.3、移动端设置代理

以夜神模拟器为例（注意保证手机和电脑在同局域网下）

设置完代理，打开浏览器访问http://mitm.it/

下载安装证书

---

三、 mitmdump

官方文档：https://docs.mitmproxy.org/stable/addons-overview/

3.1、插件使用

1. 插件的本质就是一个脚本文件，在Python中就是一个类的实例对象。
2. 此处插件是Counter实例对象，request方法是一个事件
3. 对于request事件，它的参数是一个mitmproxy.http.HTTPFlow的对象。

如：(官方文档例子)

"""
Basic skeleton of a mitmproxy addon.

Run as follows: mitmproxy -s anatomy.py
"""
from mitmproxy import ctx


class Counter:
    def __init__(self):
        self.num = 0

    def request(self, flow):
        self.num = self.num + 1
        ctx.log.info("We've seen %d flows" % self.num)


addons = [
    Counter()
]

上面是一个简单的插件，用于跟踪我们已经看到的流（或更具体的HTTP请求）数量。每次看到新的流量时，它都会使用mitmproxy的内部日志记录机制来宣布其提示。可以在交互式工具的事件日志中或mitmdump的控制台中找到输出。

可以使用mitmdump -s ./anatomy.py运行插件(anatomy.py是创建的文件名)。

---

3.2、常用事件

def request(self, flow: mitmproxy.http.HTTPFlow):
​ """
​ The full HTTP request has been read.
​ """

def response(self, flow: mitmproxy.http.HTTPFlow):
​ """
​ The full HTTP response has been read.
​ """

3.2.1、request事件

（注意：记得在代理状态下执行，命令:mitmdump -s ./xxx.py）

from mitmproxy import http
def request(flow:http.HTTPFlow):  #注意函数名request不能写错
    #获取请求头信息
    print('请求头',flow.request.headers)
    #完整请求地址
    print('请求url',flow.request.url)
    #域名
    print('域名',flow.request.host)
    #请求路径  url除域名之外的内容
    print('请求路径',flow.request.path)
    #返回MultiDictView类型的数据，URL的键值参数
    print('url的键值参数',flow.request.query)
    #请求方法
    print('请求方法',flow.request.method)
    #请求类型
    print('请求类型',flow.request.scheme)

    #获取请求内容
    '''
    print('请求内容',flow.request.get_text)
    print('请求内容类型',type(flow.request.get_text))
    print('请求内容bytes',flow.request.raw_content)
    print('请求内容bytes',flow.request.get_content)
    '''
    if 'https://www.baidu.com' in flow.request.url:
        #取得请求参数wd的值
        print(flow.request.query.get('wd'))
        #取得所有请求参数
        print(list(flow.request.query.keys()))
        #修改请求参数
        flow.request.query.set_all('wd',['python'])
        #打印修改过后的参数
        print(flow.request.query.get('wd'))

---

3.2.2、response事件

（注意：记得在代理状态下执行，命令:mitmdump -s ./xxx.py）

from mitmproxy import http
def response(flow:http.HTTPFlow):  #注意函数名response不能写错
    #状态码
    print('状态码',flow.response.status_code)
    #返回内容，已解码
    print('返回内容',flow.response.text)
    #返回内容， bytes类型
    print('返回内容bytes类型',flow.response.content)
    #取得响应的文本
    print('应的文本',flow.response.get_text)
    #修改响应 的文本
    flow.response.set_text('你的响应内容被修改了!')

3.3、下载图片

（注意：记得在代理状态下执行，命令:mitmdump -q -s ./xxx.py 加-q会使打印更清晰可观）

import os
index = 0

def response(flow):
    global index
    print('===========下载==============')
    print(flow.request.url)
    if flow.request.url[-3:] == 'jpg':
        dir = 'images'
        if not os.path.exists(dir):
            os.mkdir(dir)
        filename = dir+'/'+str(index)+'.jpg'
        with open(filename,'wb') as f:
            f.write(flow.response.get_content())
            index+=1