Python 突破防盗链下载FLASHGET资源

wooogooo

今天，群里一位童鞋碰到的一个问题，本着互帮互助的无私精神，帮他研究了下，现总结如下：

Q: 采集网站资源，但网站采用的防盗链，不能直接访问下载页 如何解决？
A: 一般的防盗链采用的是识别访问者的Referer 来判断访问者是否直接通过站外链接下载的资源。所以，在下载时伪造个合法的Referer就能  达到欺骗的目的，Python代码实例：
1 url = 'http://www.qcfans.cn/soft/download.asp?softid=3317&downid=9&id=3321'
2 opener = urllib2.build_opener(urllib2.HTTPHandler)
3 opener.addheaders = [('User-agent', 'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.3) Gecko/20100401 Firefox/3.6.3')]
4 opener.addheaders = [('Referer', ' http://www.qcfans.cn/soft/download.asp?softid=3317')]
5 urllib2.install_opener(opener)
6 response = urllib2.urlopen(url)
7 the_page = response.read()
8 print the_page

打印出的结果：
<script src="http://ufile.7pk.com/Flashget_union.php?fg_uid=17826"></script>
<script>function ConvertURL2FG(url,fUrl,uid){ try{ FlashgetDown(url,uid); }catch(e){ location.href = fUrl; }}
function Flashget_SetHref(obj){obj.href = obj.fg;}</script>
<script>ConvertURL2FG('Flashget://W0ZMQVNIR0VUXWh0dHA6Ly9sb3ZlLnFjZmFucy5jbi9kb3duL3BwdC/G+7O1t6K2r7v6ubnU7NPr0N7A7S+12rDL1cIgt6K2r7v6tcTXsMXkoaK199X70+vEpbrPLnBwdFtGTEFTSEdFVF0=&17826','http://www.qcfans.cn',17826)</script>

Ok，第二个问题出来了，瞧：

Q: 我不想使用FLASHGET进行下载，如何得到真实的资源地址呢？
A: 这里涉及到FlashGet专用地址与统一资源定位符转换的问题，具体的算法很简单（就文章发布前而言）：
首先，我们提取flashget的地址
Flashget://W0ZMQVNIR0VUXWh0dHA6Ly9sb3ZlLnFjZmFucy5jbi9kb3duL3BwdC/G+7O1t6K2r7v6ubnU7NPr0N7A7S+12rDL1cIgt6K2r7v6tcTXsMXkoaK199X70+vEpbrPLnBwdFtGTEFTSEdFVF0=&17826

然后将其地址的协议前缀 Flashget:// 和等号后的 &17826 去掉。
将处理过的地址字符串进行Base64解码，看Python 实例：
1 print base64.decodestring("W0ZMQVNIR0VUXWh0dHA6Ly9sb3ZlLnFjZmFucy5jb\
2 i9kb3duL3BwdC/G+7O1t6K2r7v6ubnU7NPr0N7A7S+12rDL1cIgt6K2r7v6tcTXsMXko\
3 aK199X70+vEpbrPLnBwdFtGTEFTSEdFVF0="))

见print输出的结果如下：
[FLASHGET]http://love.qcfans.cn/down/ppt/汽车发动机构造与修理/第八章 发动机的装配、调整与磨合.ppt[FLASHGET]

ok，现在显而易见了吧，取 [FLASHGET] 标记内的地址 就是真实的资源地址！
关键代码在此，其余的代码就不浪费篇幅陈述了。

到此，玩弹弹堂去了。。。

jjj137

QQ 群果然是生产月经问题的地方……

t6760915

总结的不错

syshack

学习到了。人民的力量果然是强大的。

luffy.deng

研究来  研究去 连flashget都用上了  就是不肯去看看http协议。