python学习 —— B站抢楼原理

Posted 2020-11-06 darkchii

　注意声明：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的技术原理进行解析。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站带来困扰，本人将自行删除本文。

　　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，并想要弄懂这几点知识，可以试试：

　　　　1.http协议的请求格式我推荐看看这两篇：https://blog.csdn.net/a19881029/article/details/14002273、https://blog.csdn.net/Stream__/article/details/78604937。

　　　　2.python2/3学习：网上学吧，如果你有其他语言编程基础，应该很快就能上手使用python，否则，就认真从基础开始学习python这门语言。

　　　　3.python requests package文档：http://docs.python-requests.org/zh_CN/latest/

　　最后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，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。。。所以就算要抢也只有对新番第一集抢楼可能才有‘意义’了。

　　工具都准备好了，让我们开始吧：

　　　　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数据的网络状态：

　　　　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，不知道是不是B站换了（之前的不是这个，还是因为不同番剧下的csrf不一样，如果是不同番剧下的csrf不一样的话，这可能说明，对于一部新番，使用这样的方法我们第一集并不能强到楼。。。不过我也不知道使用同样的csrf能不能有效，但同一部番剧下的所有视频应该可以使用同样的csrf，不过这也只是我的想法，我并没有验证过。。。

　　　　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，假如有一个服务器端的系统时间的key-value段，那么我就跪了...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：

content_length = len(str(data).replace(‘: ‘, ‘=‘).replace(‘,‘, ‘&‘).replace(‘\\‘‘, ‘‘))

　　　　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。

　　　　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data改为使用json即可，详细的可以对准post方法 Ctrl + 左键 看看源码：

r = request.post(url, json=json)

　　　　到这里，这样就完成了发送评论，但我想再提一点：有兴趣你可以去掉请求头试试效果，然后考虑一下哪些headers中的key-value可以去掉，哪些不能？

 

 

 

 

 

------------------- 提出上面思考的主要原因 ---------------------

　　　　我试过这样写：

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：

　　　　这就是没有做好Cookie的原因了。Cookie中包含了登录用户的信息，所以Cookie必不可少，我们光用auth模拟登录是行不通的，因为B站还有登录验证呢...

　　最后，看似很顺利的过程，其中也包含了许多知识点，还有许多细节还得要自己去体会...要学的还有很多~ 我一直想要下载B站的视频，但一直没能完成。。。