视频加载失败

Python 爬虫实战：随机下发路径的资源怎么下载（CH-003）

1060 字
5 分钟
Python 爬虫实战：随机下发路径的资源怎么下载（CH-003）
2026-10-02
爬虫靶场
爬虫
/
反爬
/
LearnSpider
/
CH-003
/
资源下载
浏览量加载中...
  1. 1Python 爬虫入门实战：服务端渲染页面怎么取数（CH-001）
  2. 2Python 爬虫接口实战：翻页取完再累加（CH-002）
  3. 3Python 爬虫实战：随机下发路径的资源怎么下载（CH-003）本文
  4. 4Python 爬虫 TLS 指纹实战：requests 被挂住时怎么查（CH-004）
  5. 5Python 爬虫接口签名实战：参数签名 + 会话绑定（CH-005）
  6. 6Python 爬虫加密实战：ROT + Base32 + 凯撒 + HMAC-MD5 组合（CH-006）
  7. 7Python 爬虫字体映射实战：HTML 里一个字都没有（CH-007）
  8. 8Python 爬虫字体加密实战：码位混淆 + 自定义字体文件（CH-008）
  9. 9Python 爬虫验证码实战：AES 加密报文 + 每页算术验证码（CH-009）
  10. 10第 10 关：RSA 传密钥 + AES 加密报文（顺带一层 JavaScript 混淆）
  11. 11第 11 关：无限 debugger + VM 混淆 + 签名请求头
  12. 12第 12 关：接口下发 JS + 字符串混淆 + 内置 MD5 + 反调试
  13. 13第 13 关：点选验证码 + 一次一密的轨迹报文 + 行为风控
  14. 14第 14 关：Cookie 签名 —— 七层复合加密，和「密钥写在前端」这件事
  15. 15第 15 关：蜜罐与爬虫封禁 —— 数据是假的，陷阱是真的

本文是 LearnSpider 第 3 关的解密教程。这一关要把图片下载下来，答案是这张图片的字节数。真正的考点是：拿到接口给的 image_id / image_url 之后，别把「字节」和「字符」搞混，也别拖太久（图片是随机下发的）。

现象：图片地址在页面源码里找不到#

在挑战广场点开 CH-003，抽屉里有一个「获取图片」按钮。点一下，页面会请求：

GET /api/challenges/CH-003/image

响应：

{
  "challenge_id": "CH-003",
  "image_id": "e33a1790898939fa",
  "image_url": "https://spider.jsnote.top/api/challenges/CH-003/image/e33a1790898939fa"
}

图片本体在 image_url 上，但它不是磁盘文件名：

  • 磁盘上图片一直叫 challenge-01.jpg、challenge-02.jpg（稳定名字，方便维护）；
  • 对外暴露的是随机的 image_id，接口用它反查磁盘文件再 send_file。

所以「猜路径下载」这条路是堵死的：每次都要先调一次接口拿 image_id + image_url。

目标是「字节数」不是「字符数」#

图片是二进制，正确姿势是 len(response.content)：

写法结果
len(response.content)✅ 图片真实字节数
len(response.text)❌ 二进制被当文本解码，乱码 + 长度不对
len(response.text.encode("utf-8"))❌ 双重编码，更长，而且可能报错

而且这次提交不只是填一个数字：还要带上 image_id，服务端要靠它找到你这一张图去核对大小。

完整脚本#

"""CH-003：答案 = 随机下发那张图片的字节数（提交时带 image_id）"""
import requests


BASE = "https://spider.jsnote.top"
PICK_URL = f"{BASE}/api/challenges/CH-003/image"


session = requests.Session()
session.headers.update({
    "Accept": "*/*",
    "Referer": f"{BASE}/",
    "User-Agent": (
        "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
        "(KHTML, like Gecko) Chrome/147.0.0.0 Safari/537.36"
    ),
})


# 图片是按「当前会话」下发的，并且提交要带登录态 —— 整个流程用一个 Session + 登录 cookie
session.cookies.set("session", "<把浏览器里的 session cookie 粘到这里>",
                    domain="spider.jsnote.top")




def main():
    # 1) 先让服务端发一张图
    pick = session.get(PICK_URL, timeout=10)
    pick.raise_for_status()
    data = pick.json()
    image_id = data["image_id"]
    image_url = data["image_url"]
    print("拿到图片：", image_id)


    # 2) 用返回的地址下载本体（别自己拼路径：路径就是随机 image_id）
    image = session.get(image_url, timeout=20)
    image.raise_for_status()


    size = len(image.content)                 # ⚠️ content（字节），不是 text（字符）
    print("Content-Type：", image.headers.get("Content-Type"))
    print("Content-Length（服务端声明的）：", image.headers.get("Content-Length"))
    print("实际字节数：", size)


    # 存的文件是个 JPEG：开头 FFD8
    print("文件头：", image.content[:4].hex())


    print(f"\n答案：{size}  （提交时 body 带上 image_id = {image_id}）")
    print("提交示例：POST /api/challenges/CH-003/submit "
          f'{{"answer": {size}, "image_id": "{image_id}"}}')




if __name__ == "__main__":
    main()

为什么每一步都要在同一个 Session 里#

GET /api/challenges/CH-003/image 会把这张图片记进当前会话（session["ch003_image_id"]）：

  • 如果你提交时没带 image_id，服务端会退回用会话里最近下发的那张 —— 换个 Session 就对不上了；
  • 图片是随机下发的，再点一次「获取图片」就是另一张、另一个大小。

所以正确顺序是：拿图 → 立刻下载 → 立刻算大小 → 立刻提交。跨天再提交，很可能「图片对不上」。

排查清单#

  1. 别猜图片路径，先调 GET /api/challenges/CH-003/image。
  2. 用返回的 image_url 原样请求（它是绝对地址，服务端按当前请求算出来的）。
  3. 大小用 len(response.content)。
  4. 顺手打一下 Content-Length，和实际字节数对不上就先怀疑传输被截断。
  5. 检查文件头（JPEG 是 ffd8，PNG 是 89504e47），确认下下来的真是图片而不是错误页。
  6. 全流程放在一个 Session 里，别中途换 Cookie。
  7. 提交时带上 image_id。

常见问题#

为什么我下载下来的字节数和浏览器看到的文件大小不一样？#

先看是不是被 gzip 了（图片一般不会）。再看是不是拿 .text 数了字符 —— 二进制文件用文本方式读，长度必然不对。

同一张图片能反复下载吗？#

能，只要 image_id 还有效（challenge_images 表里登记着）。但大小是固定的，重复下载不会让答案变化；换个 image_id 才会变。

接口返回的 image_url 为什么是完整域名？#

服务端用 url_for(..., _external=True) 生成的，这样你在任何页面上都能直接拿去请求，不用自己拼域名。

最后提醒#

下载资源类接口在真实站点上通常带鉴权与防盗链（Referer 校验、临时签名 URL）。练习里只在自己的靶场跑；真实站点的图片请遵守版权与使用条款。

去挑战广场提交，然后进 CH-004：这次的伪装不在数据里，而在你的网络握手上。

文章分享

如果这篇文章对你有帮助，欢迎分享给更多人！

Python 爬虫实战：随机下发路径的资源怎么下载（CH-003）
https://jsnote.top/posts/ls-ch3/
作者
xiajiao
发布于
2026-10-02
许可协议
CC BY-NC-SA 4.0
Python 爬虫接口实战：翻页取完再累加（CH-002）
Python 爬虫 TLS 指纹实战：requests 被挂住时怎么查（CH-004）
相关文章智能推荐
1
Python 爬虫 TLS 指纹实战：requests 被挂住时怎么查（CH-004）
爬虫靶场本文是 LearnSpider 第 4 关的解密教程。这一关的接口数据本身是明文 JSON，难点在你根本连不上：requests 会一直卡到超时，服务端什么都不返回。答案是 5 页共 50 条关键词的 CPC 之和（保留 2 位小数）。
2
Python 爬虫入门实战：服务端渲染页面怎么取数（CH-001）
爬虫靶场本文是 LearnSpider 第 1 关的解密教程。它练的不是「怎么破加密」，而是先判断数据到底在哪：这一关的数据只在服务端渲染出来的 HTML 里，源码里没有接口。答案是第一页 HTML 源码的字符数。
3
Python 爬虫接口签名实战：参数签名 + 会话绑定（CH-005）
爬虫靶场本文是 LearnSpider 第 5 关的解密教程。这一关的接口参数要签名，而且取数只认一个「会话标识」（uuid）—— 这个 uuid 是页面自己生成的、并且已经在后端和你的账号绑定过。答案是 5 页共 50 个数字的总和。
4
Python 爬虫接口实战：翻页取完再累加（CH-002）
爬虫靶场本文是 LearnSpider 第 2 关的解密教程。这一关的数据不在 HTML 里，只能从分页接口拿；答案是全部电影「评分总人数」的累加值。重点是：怎么找到接口、怎么确认它没把总量直接给你、以及怎么把 21 页稳稳翻完。
5
Python 爬虫字体映射实战：HTML 里一个字都没有（CH-007）
爬虫靶场本文是 LearnSpider 第 7 关的解密教程。这一关把大众点评那套「字体库 + 坐标」搬了过来：页面 HTML 里只有随机类名，文字全在字体库（SVG 文字地图）里，而「每个类名要把图挪多少像素」是接口加密下发的。目标是拿到 5 段…
随机文章随机推荐

评论区

分享你的想法，与大家交流讨论

Profile Image of the Author
xiajiao
写爬虫，也写防爬虫的靶场。
公告
欢迎来到我的博客！这是一则示例公告。
分类
标签
更多
站点统计
文章
15
分类
1
标签
33
总字数
22,317
运行时长
0 天
最后活动
0 天前
站点信息
构建平台
Local
博客版本
Firefly v6.16.8
文章许可
CC BY-NC-SA 4.0
文章目录
1
现象：图片地址在页面源码里找不到
2
目标是「字节数」不是「字符数」
3
完整脚本
4
为什么每一步都要在同一个 Session 里
5
排查清单
6
常见问题
为什么我下载下来的字节数和浏览器看到的文件大小不一样？
同一张图片能反复下载吗？
接口返回的 image_url 为什么是完整域名？
7
最后提醒