怎么突破CSS ::before 偽元素混淆反采集策略

本篇內容主要講解“怎么突破CSS ::before 偽元素混淆反采集策略”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“怎么突破CSS ::before 偽元素混淆反采集策略”吧!

分析參數列表，發現頁面上有部分字符在HTML源碼（運行時）中卻找不到，很奇怪。仔細分析，原來是通過CSS :before 偽元素加了混淆，如下圖示例：

核心代碼如下所示：

view plain copy to clipboard print ?

1. HTML代碼：  

2.    

3.   

4. CSS代碼：   

5. .hs_kw5_configpl::before {  

6.     content: "上市";  

7. }  

熟悉DOM操作的同學知道，可以通過元素的getPropertyValue('content')方法來獲取CSS偽元素的content屬性，如下是示例代碼：

view plain copy to clipboard print ?

1. window.getComputedStyle(  

2. document.querySelector('.hs_kw5_configpl'), ':before'  

3. ).getPropertyValue('content');  

在Console里測試一下，你會發現很奇怪，竟然獲取不到有效值（如下圖所示），本應該返回"上市"，卻返回了"content"。

看來哪里又被動了手腳，TA是怎么做到的？

仔細分析發現一個路徑包含GetModelConfig1.ashx的Aajx應答數據里含有JS代碼，分析代碼發現該上述SPAN元素是JS動態創建的，并發現相關可疑代碼，如下所示(格式化后)：

view plain copy to clipboard print ?

1. function(element, pseudoElt) {  

2.     if (pseudoElt != undefined && typeof(pseudoElt) == 'string' && pseudoElt.toLowerCase().indexOf(':before') > -1) {  

3.         var obj = {};  

4.         // 重點是下面這句  

5.         obj.getPropertyValue = function(x) {  

6.             return x;  

7.         };  

8.         return obj;  

9.     } else {  

10.         return window.hs_fuckyou(element, pseudoElt);  

11.     }  

12. };  

原來是getPropertyValue()方法被偷梁換柱（改寫）了！難怪調用無法獲取預期的值。

繼續分析JS代碼，重點看SPAN元素的動態創建的過程，其中有如下代碼：

view plain copy to clipboard print ?

1. function poL_(ctw_, RXe_) {  

2.     tPn_[\u0027\u0027 + ILC_ + iSW_ + uIo_ + pEA_ + GEv_ + Ewc_ + EPk_ + Zfo_ + sfd_ + UkX_](XZS_(ctw_) + URD_() + \u0027\"\u0027 + RXe_ + \u0027\" }\u0027, 0);  

3. // 可以將\u0027替換成'  

通過多次攔截應答修改數據（例如，修改為如下代碼）測試發現，該函數的第二個參數Rxe_即為::before偽元素的content屬性值，第一個參數是一個索引。

view plain copy to clipboard print ?

1. function poL_(ctw_, RXe_) {  

2.     // 看看ctw_和Rxe_參數具體是什么  

3.     console.log(ctw_ + '->' + RXe_));  

4.     tPn_[\u0027\u0027 + ILC_ + iSW_ + uIo_ + pEA_ + GEv_ + Ewc_ + EPk_ + Zfo_ + sfd_ + UkX_](XZS_(ctw_) + URD_() + \u0027\"\u0027 + RXe_ + \u0027\" }\u0027, 0);  

PS：攔截修改HTTP應答數據可以用Fiddler實現，也可以用mitmproxy，這里我們選擇后者，因為它支持外掛Python腳本來實現數據修改功能。

如下圖所示為控制臺打印出的"索引->字符"映射表：

現在離成功很近了。這個索引數字具體有什么意義呢？

例如，“上市”的索引為5，上面我們看到“上市”對應SPAN元素是 ，大膽猜測，對應的就是class中的數字5。經多次驗證，無誤。

現在思路有了：

（1）通過Selenium加載頁面（以自動完成數據動態加載，自動執行JS代碼），并配置所有流量走mitmproxy；

（2）使用mitmproxy捕獲GetModelConfig1.ashx的應答數據，找到poL_(ctw_, RXe_)函數，注入我們的JS代碼，以曝出對應的"索引和混淆字符"映射表；

（3）利用該表即可還原混淆為明文；

需要注意的是，上述代碼中的函數名（poL_）以及參數名(ctw_, RXe_)是動態變化的，但是經過多次觀察發現是有規律的，通過如下方法可以定位該函數：

view plain copy to clipboard print ?

1. 查找如下字符串:  

2. '+ \u0027\" }\u0027'  

3. 定位前面出現的第一個function，即要注入的目標  

4. 例如 function poL_(ctw_, RXe_)  

5.   

6. 用正則表達式可以表述為：  

7. r'''''\s+(function\s+[^\{\}\(\)]+\(([^\{\}\(\)]+),([^\{\}\(\)]+)\)\{)[a-z\d\-\_]+\_\[.+?\+\s*\\u0027\\"\s*\}\\u0027'''  

代碼自動注入這里我們采用mitmproxy來實現，注入腳本modify_response.py代碼如下所示：

view plain copy to clipboard print ?

1. # coding: utf-8  

2. # modify_response.py  

3.   

4. import re  

5. from mitmproxy import ctx  

6.       

7. def response(flow):  

8.     """修改應答數據 

9.     """  

10.     if 'GetModelConfig' in flow.request.url:  

11.         # 汽車之家字符混淆（CSS :before 偽元素）破解  

12.         ctx.log.info('*' * 120 + '\n Found {}.'.format(flow.request.url))  

13.         m = re.compile(r'''''\s+(function\s+[^\{\}\(\)]+\(([^\{\}\(\)]+),([^\{\}\(\)]+)\)\{)[a-z\d\-\_]+\_\[.+?\+\s*\\u0027\\"\s*\}\\u0027''', re.IGNORECASE).search(flow.response.text)  

14.         if m:  

15.             # 提取函數名和參數  

16.             function_name = m.groups()[0]  

17.             param1 = m.groups()[1]  

18.             param2 = m.groups()[2]  

19.             ctx.log.info('Crack "CSS :before" in {}: "{}"'.format(function_name, flow.request.url))  

20.             # 替換后的內容  

21.             replacement = function_name + "document.body.appendChild(document.createTextNode('[' + {} + ']->{{' + {} + '}};'));".format(param1, param2)  

22.             #replacement = function_name + "console.log({} + '->' + {});".format(param1, param2)  

23.             flow.response.text = flow.response.text.replace(function_name, replacement)  

注入成功，頁面加載完畢后，在頁面底部會打印出我們想要的映射表：

有了這個映射表，就可以還原出明文了，代碼如下所示：

view plain copy to clipboard print ?

1. def restore_css_confusion(html):  

2.     """還原混淆字符 

3.     html - 要處理的HTML文檔源碼; 

4.     """  

5.     confusions = {}  

6.     for index, string in re.compile(r'\[(\d+)\]->\{([^<>\;]+)\};').findall(html):  

7.         confusions[index] = common.normalize(string)  

8.     # 逐一替換  

9.     for span, index in re.compile(r'()').findall(html):  

10.         original_text = confusions[index]  

11.         print 'Restore "{}" into "{}"'.format(span, original_text)  

12.         html = html.replace(span, original_text)  

13.     return html  

還原之后就可以提取到正確的參數信息了，如下圖所示：

到此，相信大家對“怎么突破CSS ::before 偽元素混淆反采集策略”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！