前言

笔者70后，妥妥的程序员油腻大叔兼技术宅，有一女，女大小事都是孩子妈打理的，虽男女各有分工而不同，难免孩子妈依然偶有抱怨，今年，孩子上高三了，孩子妈从现在就开始学习和研究有关高三的一些相关事宜，昨天孩子妈在某网查到有关广东今年高考的招生及录取情况，悉心研究一下午，可惜原网只提供在线文档阅读功能，文档不能复制和导出，广东省共计解决三万条招生学校及专业的录取记录，如果能够下载到自己的电脑或者手机上，那就看起来方便的多了。就不需要每次都去网站上看了，也不需要担心别人删除了。老婆马上下达命令： 你平时两手不粘凡事，和个秀才似的， 你不是程序员吗， 把这个文档帮我下载下来，可以嘛。养兵千日，用兵一时，看你的哟。

接到老婆的指令；按照老婆给的要求，打开了指定的网址， 网址是某书的在线文库的平台，应该用户导入自己的文档到平台上，然后设置好平台的权限，不能复制不能导出，只能在线阅读的权限，然后将文档分享到了深圳最有名的高考论坛里了，被老婆大人看到了，也就有了这样个要求。

本文不公布代码，以提倡保护用户的创作权益。 通过记录的方式，记录和分享一下，如何实现下载的目的过程，记录一下分析的思路和一些工具的使用方法。

下图为目标文档

文档为文库平台的excel在线文档，文档不支持复制和导出功能，只能在网页里直接进行观看。

分析过程：

查看网页

网页平台，一律先用开发者工具扒一扒， F12，祭出开发工具。 查看html代码，并把源代码粘贴到idea里，使用idea进行格式化。

 格式化后，看代码看了许久，没有太多有价值的信息，基本上都是一些类似上方的一些配置内容方面的信息。 没有太多可以进一步探索的价值，不过还是可以大概的根据这里的代码判断到，在线文档的组织过程一定是通过js组织的，在其他的js文件中隐藏了组织的过程。组织过程是js做的，那么数据就一定是通过某种方式从请求里获取的， 只要找到了这块的入口，就可以拿到数据了。 html和js的代码并不是自己擅长的地方。 所以只好从其他的地方找找突破口。

刷新网页

查看网络下载情况，打开控制台，查看控制台的情况

在网络下载的信息中，发现类似数据的信息

格式一看就是base64格式，拿到进行base64解码，字符解析失败， 妥妥的base64不能解析出字符，当然就是要解析成二进制数组， 看看这里的字段的名称妥妥的就暴露编码的方式了，这里是使用的gzip压缩以后的base64字符串进行传输的， 既然是这样的，用gzip进行解码试试。 在网上找了个在线的gzip解码的。

 果然，后面隐身的数据就出现了。 把数据导入到文本工具里，使用jsonViewer进行查看

拿着其中的数据和网页中的对照，确实就是其中的数据，而且相近几条的顺序也是对应一致的。心里一阵窃喜，看来可以不辱使命的完成老婆交的任务了。  谁知道，得意的心思还没有一分钟，就被一冷水浇了一下；看这个json的数据量；这个json里只有9百多条数据， 总共的物理和历史的加起来，应该有快3万条数据， 如果是这样的，就至少还有20多个同样类型的文件。要把所有的文件都找到，就要进一步去分析，数据获取的过程。

控制台里有惊喜

在分析数据获取的过程中，也去查看了控制台输出； 我们可爱的程序员朋友，在控制台里留下了很多的惊喜。

 可爱的程序员，在生产环境下没有关闭debug的信息， 可以看到这里输出的debug信息，恰好就是咱们上面的请求对应的参数。

 

希望就在前方

根据前面的分析，只要找到了这些参数是怎么来的，我们就可以把这些参数都找到，然后按照格式要求，组织成请求包，就可以下载到上方的json文件，然后把json文件中的字符进行gzip解码，就可以得到所有记录的json数组，把json数组直接通过wps的json数据源就可以导入到excel文件里了。也就胜利的完成， 党交给我们的光荣任务了。现在问题的关键，就是找到参数。

再狡猾的狐狸也逃不过优秀的猎手

开始的想法，是既然程序员留下了debug，那么直接在debug的地方设置断点，这样不就完美的看到参数是怎么来的了吗， 打开source进行查看， 平台是使用webpack进行打包的，增加了阅读代码的难度， 虽然程序员朋友遗忘的deubg信息，可以快速的定位到输出点，但是前后的代码在webpack的干扰下，无法进行快速阅读， 这时候就是最原始的step in， step out， step over了，程序员的十大绝招之STEP By STEP， 在坚持不懈的一步一步的追踪的努力下，摸到了狐狸的老窝。

这里的gzip_snapshot的字段也是gzip进行解码；得到数据 

这里的数据。就是我们的block入口参数的数据， 狐狸的老窝就在眼前，搂起来，一网打尽。 

再接再厉，达到最后的胜利

导出请求包，在postman里进行模拟，并进行验证请求的模拟

选择Copy AS CURL(bash)

在linux里执行；(如果没有linux环境，可以在上一步中选择Copy AS CURL(cmd))

执行成功后，导入到Postman里， 直接把CURL的命令导入

 

 可以成功进行访问， 胜利就在前方， 要做到程序化，必须要加入最后一步，要模拟认证，对上面的请求包进行分析。 发现其中决定认证的几个头信息如下

这里的信息经过测试，只要是和cookie里的保存一致，即可。即使这里的一个名称为x-csrftoken这么唬人的头信息，居然也可以直接虚拟一个，只要保证和cookie里的一致即可。

取得最后的胜利

获得所有的数据后，使用wps，直接导入json，生成excel文件，然后QQ远程发给老婆。

 结束语

本文章主要分享的是作为程序员如何去进行程序的分析，以及如何去使用合理的工具去提高分析的效率， 文中提及的平台已经匿名，文中提到的debug在生产环境没有关闭的问题，已经反馈至该平台客服部门，进行修复。 同时由于文档的版权问题， 获取的文档只在家里私人使用，不进行公布。 这回在老婆面前算是给程序员争了个面子了。

谢谢大家关注和点赞。交流技术问题。