爬虫遇到 Socket，莫慌，肝就完了！

2020-12-02 10:51:44 浏览数 (1)

1. 前言

Socket 被称为套接字，是对 TCP/IP 协议的封装，它是传输层和应用层间的抽象层

相比 HTTP 的短连接通信方式，Socket 可实现客户端和服务器的长连接通信

Fiddler、Charles 只能抓取应用层的数据，如果你想抓其他层，比如：网络层、传输层、数据链路层的数据，强烈建议使用：Wireshark

2. Wireshark 基础

Wireshark 是一个功能非常强大的数据流截取工具，不仅能监测 HTTP(S) 请求，还能监测 TCP/UDP 请求，OSI 七层模型上的数据基本上都能被抓取到

2-1 主界面

主界面包含：

  • 菜单栏
  • 工具栏
  • 数据过滤区域
  • 数据列表展示区域
  • 按层次展示数据区域
  • 数据字节区域

2-2 数据列表展示区域

该区域用于展示经过特定网络端口的报文数据，可以自定义数据列表及显示方式

比如：修改报文时间的显示格式

每一条报文直观显示了：报文编号、时间、源 ip 地址、目标 ip 地址、协议名称、报文长度、报文详细信息（端口号、flags 字段)

2-3 按层次展示数据区域

该区域与报文对应关系如下：

  • Frame 对应物理层，一般用于展示物理层的数据帧概况
  • Ethernet II 对应数据链路层，用于展示数据链路层以太网帧头部信息
  • Internet Protocol Version 4 对应网络层，用于展示 IP 包头部信息
  • Transmission Control Protocol 对应传输层，用于展示传输层 T 的数据段头部信息，包含 TCP/UDP 等
  • Hypertext Transfer Protocol 对应应用层，用于显示应用层的数据信息

2-4 数据过滤区域

数据过滤区域方便我们对报文进行筛选过滤，快读定位到我们想要的数据

这里支持通过 ip 地址、端口号、操作符、逻辑运算符、协议名称进行过滤

代码语言：javascript复制
# 1.通过协议名称过滤
# 比如：只显示tcp协议的数据包
tcp

# 2.通过端口号过滤
# 显示源或者目标协议为tcp，并且端口号为80的数据包
tcp.port == 80

# 2.1 显示源协议名称为tcp，端口号为80的数据包
tcp.srcport == 80

# 2.2 显示目标协议名称为tcp，端口号为80的数据包
tcp.dstport == 80

# 3.ip地址过滤
# 显示源ip地址或者目标ip地址满足条件的数据包
ip.addr == 192.168.1.101

# 3.1 显示源ip地址满足条件的数据包
ip.src == 192.168.1.101

# 3.2 显示目标ip地址满足条件的数据包
ip.dst == 192.168.1.101

# 4.逻辑运算符，包含：and（并且）/or（或者）/not （非）
# 通过ip地址、协议、端口号进行过滤
ip.src == 192.168.0.102 and tcp.port==63068

3. 实战

以常见的 TCP 为例，我们在本地模拟一个 Socket 通信过程，然后使用 Wireshark 进行抓包

这里，我们使用 Python 中的 socket 模块快速撸一个

其中

  • 服务端：绑定本地，并阻塞直到客户端连接上，循环获取客户端发送过来的消息
  • 客户端：通过 ip 地址和端口号连接服务器，向服务端发送消息，并解析服务端发送过来的消息

3-1 服务端

代码语言：javascript复制
import socket

# 服务端的Socket套接字对象
server_socket = socket.socket()

# 绑定地址 ip
server_socket.bind(('192.168.0.102', 6666))

# 监听连接请求
server_socket.listen(5)

# 开始阻塞，等待客户端连接
print('服务端阻塞，等待客户端连接...')
conn, address = server_socket.accept()

while True:
    data = conn.recv(1024).decode()

    if data == 'exit':
        print('通信结束！')
        break
    else:
        print('接受到客户端-{}发送过来的消息，内容是:{}'.format(address, data))

    # 返回消息给客户端
    conn.sendall("服务端收到消息！".encode())

# 关闭连接
conn.close()

3-2 客户端

代码语言：javascript复制
import socket

# 客户端的Socket套接字对象
client_socket = socket.socket()

# 连接Socket服务
client_socket.connect(('192.168.0.102', 6666))

while True:
    # 等待用户输入内容
    content = input('输入要发送的内容:').strip()

    # 发送给Socket服务端
    client_socket.sendall(content.encode())

    if content == 'exit':
        print('客户端终止通信！')
        break

    else:
        # 接受服务端发来的消息
        content_from_server = client_socket.recv(1024).decode()

        print('接受到服务端的消息:', content_from_server)

# 关闭连接
client_socket.close()

3-3 抓包

需要注意的是，使用 Wireshark 抓取本机到本机的数据包，需要切换监听网络端口为：Loopback:lo0

运行代码，正常模拟客户端和服务端之间的数据通讯

使用 协议 端口号，在 wireshark 中进行数据过滤，即可抓取到完整的传输数据

4. 最后

对于移动端 Socket 通讯的数据抓取，如果是 PC，可以将本机作为热点开放出去，然后手机连接热点，wireshark 选择对应的网络端口进行抓包即可

而对于 Mac，建议打开网络共享后，将手机使用 USB 连接进行网络数据的抓取

如果你觉得文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！

爬虫 socket编程 tcp/ip 安全 udp

0 人点赞