数据抓取之反爬虫规则：csrf防御处理及异步请求处理

同事在做数据抓取的时候，发现该提交的参数都提交了，但是返回的数据总是提醒“非法的请求或者超时”；我拿过来检查了半天也没见查出问题，无奈对比了下这个页面和另外一个页面的http头信息，端倪出来了，这页面http头信息多了个X-CSRF-Token的参数。这是什么东东，没见过，于是个谷歌科普了以下。

应对CSRF防御

简介

简单来说：CSRF全称：Cross-site request forgery，中文翻译为跨站请求伪造，也被称为“One Click Attack”或者Session Riding，通常缩写为CSRF或者XSRF，是一种对网站的恶意利用

那么很多网站为了应对这种请求，会采取防御措施，一般采取的措施是采取token校验，比如返回给页面A的时候会生成一个token值，然后你在A界面请求界面B的时候，如果同时提交token值并且值正确的话，就当作是正常的请求进行处理。否则则认为当前请求不正常，返回错误页面。

应对方式

其实针对上述防御措施，想办法拿到token一同提交就好了，以公示系统为例子：

比如我用httpclient先获取A页面，A页面内容如下（部分有删减）

  <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
  <html>
  <head>
    
  <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
  <meta name="_csrf_parameter" content="_csrf" /><meta name="_csrf_header" content="X-CSRF-TOKEN" /><meta name="_csrf" content="c385ce66-e97e-48aa-83eb-1f76a0942971" />
    
  <link href="/skin/css/public3.css" type="text/css" rel="stylesheet" />
  <script type="text/javascript" src="/skin/js/jquery-1.9.1.min.js"></script>
  <script type="text/javascript" src="/skin/js/gs/utils.js" ></script>
  <script type="text/javascript" src="/skin/js/gs/gsgs.js" ></script>
  <script type="text/javascript" src="/skin/js/gs/gsjyyc.js" ></script>
  ....省略

从A页面获取csrf token值：c385ce66-e97e-48aa-83eb-1f76a0942971，请求B地址的时候加入在请求头信息header中加入token值即可，代码如下：

httppost.addHeader( “X-CSRF-Token”,”c385ce66-e97e-48aa-83eb-1f76a0942971”);

异步请求处理

针对异步请求处理，需要在http头信息做简单处理即可：

httppost.addHeader("X-Requested-With", "XMLHttpRequest");