mitmproxy 使用

powershell无法启动虚拟环境

0. 准备工作

参考文档：

• 官方网站：https://mitmproxy.org/

• 官方文档：https://docs.mitmproxy.org/stable/

• 优秀总结：https://blog.wolfogre.com/posts/usage-of-mitmproxy/

什么是mitmproxy？

• mitm 为 Man-In-The-Middle attack；

• mitmproxy 即为 中间人攻击代理。

为什么要用mitmproxy？相比Fiddler 和 Charles它有什么优势？

• mitmproxy 不仅可以截获请求帮助开发者查看、分析，更可以通过自定义脚本进行二次开发。举例来说，利用 Fiddler 可以过滤出浏览器对某个特定 url 的请求，并查看、分析其数据，但实现不了高度定制化的需求，类似于：“截获对浏览器对该 url 的请求，将返回内容置空，并将真实的返回内容存到某个数据库，出现异常时发出邮件通知”。而对于 mitmproxy，这样的需求可以通过载入自定义 python 脚本轻松实现。

特征

• 拦截HTTP和HTTPS请求和响应并即时修改它们
• 保存完整的HTTP对话以供以后重播和分析
• 重播HTTP对话的客户端
• 重播先前记录的服务器的HTTP响应
• 反向代理模式将流量转发到指定的服务器
• macOS和Linux上的透明代理模式
• 使用Python对HTTP流量进行脚本化更改
• 实时生成用于拦截的SSL / TLS证书
• 还有更多……

1. 安装

1.1 模块安装

安装：

pip install mitmproxy
1

查看安装成功与否：

• **cmd**窗口，查看版本

mitmdump --version
1

出现以下字眼，则是成功安装了。

Mitmproxy: 5.2
Python:    3.7.6
OpenSSL:   OpenSSL 1.1.1g  21 Apr 2020
Platform:  Windows-10-10.0.18362-SP0
1
2
3
4

1.2 证书安装

模块安装完成后，首次运行 mitmproxy 或 mitmdump，在当前用户下面会生成几个ca证书。

从**Windows**用户界面的 **.mitmproxy**中，点击进去，可以看到有多个证书，

**Windows**端：

• mitmproxy-ca-cert.p12

**手机**端：

• 配置好wifi连接之后，访问 mitm.it
• 下载对应手机系统的证书，然后安装即可。

抓包示例：

• **Windows**端
  • 要使用代理 + 走指定的端口哦！！！
• **手机**端
  • 配置**Windows**端的ip + 指定代理！！

2. 组件

当我们谈论” mitmproxy“时，我们通常指这三种工具中的任何一种–它们只是同一核心代理的不同前端。

正常使用用**mitmdump**就足够了。

所以后面的案例也是使用 mitmdump 去做展示。

**mitmproxy**默认绑定的端口为 127.0.0.1:8080

注意一下：

• 如果端口被占用了，会提示报错哦！

---

2.1 mitmproxy

**Windows**系统不可用，这里暂不展示。

2.2 mitmdump

查看所有命令：

mitmdump --help
1

查看版本：

mitmdump --version
1

常用命令：

-p 8888			# 指定端口
-s xxx.py		# 执行指定脚本
-w outfile		# 指定输出文件
-q quiet		# 仅匹配脚本过滤后的数据包
"~m post"		# 仅匹配Post请求
1
2
3
4
5

带有颜色的print：

• log，带有输出不同颜色的功能（个人觉得没有什么用
  • info 白色
  • warn 黄色
  • error 红色

注意这里要使用cmd，使用PowerShell显示出来的颜色效果不完整。

mitmDemoOne.py

class Demo:
    def request(self, flow: mitmproxy.http.HTTPFlow):
        """Print different colors"""
        url = flow.request.url
        if 'sunrise' in url:
            print(type(url))
            ctx.log.info('Color White：' + url)
            ctx.log.warn('Color Yellow：' + url)
            ctx.log.error('Color Red：' + url)


addons = [
    Demo()
]
1
2
3
4
5
6
7
8
9
10
11
12
13
14

---

2.3 mitmweb

监听的端口是 127.0.0.1:8080，

同时提供一个 web 交互界面在 127.0.0.1:8081。

用 百度一下 示例。

介绍：

• 拦截

  • 修改请求前数据
  • 修改请求后数据

• 筛选

• 高亮

• 重放请求

---

3. 简单使用示例

3.1 使用示例

正常使用用**mitmdump**就足够了。所以这里主要用 mitmdump 来做一个展示，

后面的案例也是使用 mitmdump 去做展示。

基本操作的话，那只看 常规代理 方式就可以了；

操作模式：https://docs.mitmproxy.org/stable/concepts-modes/

脚本编写：https://docs.mitmproxy.org/stable/addons-scripting/

如何工作：https://docs.mitmproxy.org/stable/concepts-howmitmproxyworks/

测试网站：

• http://www.httpbin.org/get

常用的两个函数简单演示：

这里介绍一下使用的比较多的两个函数，其他的可以通过官方文档去进行一个系统的学习。

def request(flow):
	pass
	
def response(flow):
	pass
1
2
3
4
5

• request

修改请求头：

mitmDemoTwo.py

flow.request.headers['User-Agent'] = 'Mozilla/5.0'
1

将百度搜索修改为python：

mitmDemoThree.py

def request(flow):
	if 'https://www.baidu.com' in flow.request.url:
		# 取得请求参数wd的值
		print(flow.request.query.get('wd'))
        # 获取所有请求参数键值的键
        print(list(flow.request.query.keys()))
        # 获取所有请求参数键值的值
        print(list(flow.request.query.values()))
        # 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'))
1
2
3
4
5
6
7
8
9
10
11
12

---

• response

修改文本

mitmDemoFour.py

flow.response.set_text(text)
1

拒绝响应

mitmDemoFour.py

# 同下
flow.response = mitmproxy.http.HTTPResponse.make(401)
# 同下
flow.response= flow.response.make(404)
1
2
3
4

拒绝响应：在百度搜索 十八禁

mitmDemoFive.py

if flow.request.query.get('wd') == '十八禁':
    flow.response = mitmproxy.http.HTTPResponse.make(
        404,  									# (optional) status code
        b"You son of a bitch, Please leave.",  	# (optional) content
        {"Content-Type": "text/html"}  			# (optional) headers
    )
1
2
3
4
5
6

3.1.1 简单应用

需求：

1. 修改请求（如果是搜索雷锋，则修改为 是小菜一碟吖
2. 修改响应（将页面所有 Python 字眼 替换为 是小菜一碟吖
3. 如果存在少儿不宜字眼(例：十八禁、迷药等)，则拒绝响应，引导他向好
1
2
3

代码：

mitmDemoSix.py

import mitmproxy.http
from mitmproxy import ctx


class Demo:
    def request(self, flow: mitmproxy.http.HTTPFlow):
        """Do somethings"""
        request = flow.request
        if 'https://www.baidu.com/' in request.url:
            keyword = request.query.get('wd')
            filter_words = ['迷药', '十八禁']
            if keyword == '雷锋':
                # 修改请求参数
                flow.request.query.set_all('wd', ['是小菜一碟吖'])
            if keyword in filter_words:
                flow.response = mitmproxy.http.HTTPResponse.make(
                    status_code=400,
                    content=''' 
                                
警告！！！即将查水表
                                
望你善良，愿你向上
                                点击跳转：
                                是小菜一碟吖的学习频道
                                ''',
                    # content="你可拉倒吧！！！查询的什么娘希匹玩意儿！！！"
                    headers={"Content-Type": "text/html"}
                )

    def response(self, flow: mitmproxy.http.HTTPFlow):
        """Do somethings"""
        response = flow.response
        if flow.request.host == 'www.baidu.com':
            replace_words = ['你好', 'python', 'Python']
            text = response.get_text()
            text = list(map(lambda x: text.replace(x, '是小菜一碟吖'), replace_words))[0]
            flow.response.set_text(text=text)


addons = [
    Demo()
]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

当然，这里超纲了，也就是觉得有趣，就拉出来讲一讲。

---

3.2 报错解决

502 Bad Gateway
Certificate verification error for xxx: unable to get local issuer certificate (errno: 20, depth: 0)
1
2

网关证书验证错误，解决方法有二：

1. 执行–ssl-insecure
2. 下载最新的cacert.pem替换( Python安装路径\Lib\site-packages\certifi )的目录证书

4. 案例展示

4.1 mitmproxy + Selenium

电脑端自动化爬虫

案例说明：

• Selenium 自动翻页，
• mitmproxy 进行信息采集，
• 在指定网站，输入 指定关键词 以及 爬取的页码数量，即可。

注意点：

• 评论数量是另外一个文件，需要另外进行解析。
• 返回评论适量的链接有两个，要区别做判断。

selenium JD：

"""输入关键词 + 页码数量 Jd自动翻页程序"""

import time
from selenium import webdriver


class JdSpider:
    """OK"""

    def __init__(self, keyword=None, page=None):
        self.url = 'https://www.jd.com/'
        self.browser = None
        self.page = int(page)
        self.keyword = keyword

    def __del__(self):
        self.browser.close()

    def open_browser(self):
        """打开浏览器"""
        self.browser = webdriver.Chrome()
        # self.browser.maximize_window()
        self.browser.set_window_size(1350, 850)

    def search_keyword(self):
        '''搜索关键字'''
        self.browser.get(self.url)
        # 输入内容
        self.browser.find_element_by_xpath('//*[@id="key"]').send_keys(self.keyword)
        # 模拟点击
        self.browser.find_element_by_xpath('//*[@id="search"]/div/div[2]/button').click()

    def turn_page(self):
        '''翻页'''
        self.browser.execute_script('window.scrollTo(0,document.body.scrollHeight)')
        time.sleep(3)
        if self.browser.page_source.find('pn-next disabled') == -1:
            self.browser.find_element_by_class_name('pn-next').click()

    def main(self):
        '''函数启动接口'''
        self.open_browser()
        self.search_keyword()
        for count in range(self.page):
            self.turn_page()


if __name__ == '__main__':
    keyword = input("Enter the keywords to search：")
    page = input("Enter the Page to download：")
    spider = JdSpider(keyword=keyword, page=page)
    spider.main()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52

网页解析 及 保存：

import re
import os
import csv
import json
from lxml import etree


def format_common(_list: list):
    """格式化函数"""
    _str = ''.join(_list)
    _str = _str.replace('\n', '').replace('\t', '').replace('￥', '')
    return _str


def format_state(_list: list):
    """格式化函数"""
    _str = ' '.join(_list)
    _str = _str.replace('\n', '').replace('\t', '').replace('￥', '')
    return _str


class SaveData:
    """OK"""

    def __init__(self, data):
        self.comment_data = data[0]
        self.other_data = data[1]

    def judge_exists(self, path):
        """判断文件是否已存在"""
        if os.path.exists(path):
            return
        title = ["商铺名称", "说明", "价格", "评价人数", "商品名称"]
        with open(path, 'a+', encoding='utf-8', newline='') as f:
            writer = csv.writer(f)  # 创建写 对象
            writer.writerow(title)  # 写入单行

    def save_to_csv(self, data: list):
        """保存为csv"""
        path = r'./data/JdGoodsInfo.csv'
        self.judge_exists(path)
        with open(path, 'a+', encoding='utf-8', newline='') as f:
            writer = csv.writer(f)  # 创建写 对象
            writer.writerows(data)  # 写入多行

    def parse_data(self):
        """解析网页"""
        if not self.other_data or not self.comment_data:
            return

        comments_item = json.loads(re.findall("jQuery\d+\((.*?)\);", self.comment_data)[0])['CommentsCount']
        if len(comments_item) != 30:
            return

        _data = list()
        xpath_html = etree.HTML(self.other_data)
        xpath_items = xpath_html.xpath('//li[@class="gl-item"]')
        for xpath_item, comment_item in zip(xpath_items, comments_item):
            _parse = xpath_item.xpath
            shop = format_common(_parse('.//div[@class="p-shop"]//text()'))
            icons = format_state(_parse('.//div[@class="p-icons"]//text()'))
            price = format_common(_parse('.//div[@class="p-price"]//text()'))
            name = format_common(_parse('.//div[@class="p-name p-name-type-2"]//text()'))
            comment = comment_item['CommentCountStr']
            _data.append((shop, icons, price, comment, name))
        self.save_to_csv(data=_data)

    def main(self):
        """开始干活"""
        self.parse_data()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70

mitm代码：

# -*- coding:utf-8 -*-
# author   : SunriseCai
# datetime : 2020/11/21 10:47
# software : PyCharm

import json
import mitmproxy.http
from mitmSaveData import SaveData


class Demo:
    def __init__(self):
        self.other_data = None

    def response(self, flow: mitmproxy.http.HTTPFlow):
        url = flow.request.url
        if 'jd.com' not in url:
            return
        # 商品信息链接
        if 'https://search.jd.com/s_new.php?keyword=' in url:
            self.other_data = flow.response.text or None
            # 评论链接
        if 'https://club.jd.com/comment' in url:
            comment_data = flow.response.text
            SaveData([comment_data, self.other_data]).main()
            comment_data, self.other_data = None, None


addons = [
    Demo(),
]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

遗留问题：

• 搜索的首页不是 XHR 形式加载出来的，这个不想做适配了。

4.2 mitmproxy + Appium

手机端自动化爬虫

案例说明：

• Appium 自动翻页，
• mitmproxy 进行信息采集，
• 在指定 App，输入 指定关键词 以及 向下滑动的数量次数，即可。