脚本貌似失效了？ about getcomic

[abcfy2]

应该是腾讯把页面上base64的解析算法改了。

比如任意一页的漫画页: http://ac.qq.com/ComicView/index/id/634670/cid/2

中的源码，都能找到类似的:

<script>
    var DATA        = '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',
        PRELOAD_NUM = 2,
        NOTICE_TIME = 15,
        ROAST_SIZE  = 300,
        ROAST_PRE   = 5,
        ROAST_VIEW  = 11,
        DANMU_TIME  = 10000;
</script>

这个DATA变量中存储的实际是包含了章节图片的json，但是不能直接解析。以前的算法是移除第一个字母后，其余字符串便是标准的Base64。目前看来改了，这个Base64无法解析，需要在页面打断点，找到具体的解析算法了。

[ckz1211]

有办法在页面的JS函数里找到解密base64的相关段落么？

[abcfy2]

当初我的做法是直接在chrome的开发者工具中的js打断点，观察变量的变化，找到是哪一段函数解析了DATA，然后只阅读这段代码就能找出来它是怎么解析这段DATA变量的。

经过初步观察应该是在这个js中解析的，需要找到具体是哪一段代码解析了这个DATA: http://ac.gtimg.com/media/js/ac.page.chapter.view_v2.4.0.js?v=20170622

[ckz1211]

也就是说js打断点的方法局限性很大？没法直接找到具体是哪个函数负责解密？

[abcfy2]

也不算太难，就是要有耐心。在开发者工具中格式化js代码，一个函数一个函数打断点，基本很快就能找到

[abcfy2]

而且我已经找到了:

的确如我所料，就是那个js中，这个_v变量存储着DATA解析后的json，只要向上找应该就能很快找到具体解析算法了。

[abcfy2]

我知道了，打断点再加上格式化，已经找到这段算法了，js代码大致如下:

var B = new Base(),
T = W['DATA'].split(''),
N = W['nonce'],
len,
locate,
str;
N = N.match(/\d+[a-zA-Z]+/g);
len = N.length;
while (len--) {
  locate = parseInt(N[len]) & 255;
  str = N[len].replace(/\d+/g, '');
  T.splice(locate, str.length)
}
T = T.join('');
_v = JSON.parse(B.decode(T));

关键在于T变量和N变量，T变量的数值来自于页面的DATA部分，而N变量来自于页面的window.nonce部分，经过下面那一段解密算法还原正确的base64就可以了，只要把这段js代码翻译为python就搞定了。

而且这个B.decode函数还挺阴险，表面上看是反解base64的，但是它的入口函数有一段正则替换:

function Base() {
  _keyStr = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/=";
  this.decode = function(c) {
    var a = "",
    b, d, h, f, g, e = 0;
    for (c = c.replace(/[^A-Za-z0-9\+\/\=]/g, ""); e < c.length;) b = _keyStr.indexOf(c.charAt(e++)),
    d = _keyStr.indexOf(c.charAt(e++)),
    f = _keyStr.indexOf(c.charAt(e++)),
    g = _keyStr.indexOf(c.charAt(e++)),
    b = b << 2 | d >> 4,
    d = (d & 15) << 4 | f >> 2,
    h = (f & 3) << 6 | g,
    a += String.fromCharCode(b),
    64 != f && (a += String.fromCharCode(d)),
    64 != g && (a += String.fromCharCode(h));
    return a = _utf8_decode(a)
  };
  _utf8_decode = function(c) {
    for (var a = "",
    b = 0,
    d = c1 = c2 = 0; b < c.length;) d = c.charCodeAt(b),
    128 > d ? (a += String.fromCharCode(d), b++) : 191 < d && 224 > d ? (c2 = c.charCodeAt(b + 1), a += String.fromCharCode((d & 31) << 6 | c2 & 63), b += 2) : (c2 = c.charCodeAt(b + 1), c3 = c.charCodeAt(b + 2), a += String.fromCharCode((d & 15) << 12 | (c2 & 63) << 6 | c3 & 63), b += 3);
    return a
  }
}

除了这一段初始化 c = c.replace(/[^A-Za-z0-9\+\/\=]/g, "")之外，别的算法都是base64 decode算法，直接用标准的base64 decoder就可以搞定，但是T处理之后必须要经过正则再做一次替换，去除掉里面的非法字符才能正确反解。

明天修复这个问题。

[abcfy2]

fixed. 多谢反馈

[ckz1211]

居然又失效了……http://ac.qq.com/Comic/comicInfo/id/634670

[abcfy2]

看来http://ac.qq.com/Comic/comicInfo/id/{}这个接口被废弃掉了，等有时间了看看现在页面是怎么拿到漫画章节列表的吧。

[nhacvina]

getComic.py -u http://ac.qq.com/Comic/ComicInfo/id/634393

正在下载第0001话: 预告
下载失败，重试1次
下载失败，重试2次
下载失败，重试3次
下载失败，重试4次
Traceback (most recent call last):
File "./getComic.py", line 338, in
main(url, path, lst, one_folder)
File "./getComic.py", line 294, in main
imgList = getImgList(contentList[i - 1]['url'])
File "./getComic.py", line 105, in getImgList
img_detail_json = __decode_data(data, nonce)
File "./getComic.py", line 166, in __decode_data
json_str = base64.b64decode(base64_str).decode('utf-8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8c in position 7: invalid start byte

[abcfy2]

已知问题。最近暂时没时间细细研究页面更改。感觉已经被腾讯盯上了，我这边一改那边立刻就改。欢迎递交PR解决。