Python中关于头条_signature参数的问题如何解决？

我自己生成的_signature 很快失效，但是我在 控制台输出的 var signature=TAC.sign("6347006294" + "0") signature "Gd-RphAWRZtUi2lUOcc8FBnfkL"

然后放到网站 很久都可以返回数据，我通过复制 js 代码生成的_signature 只用一次就不能用了，但是控制台这个_signature 能用很久，求指教，这是为啥？

抓取的网站 https://www.toutiao.com/c/user/6347006294/#mid=6350075797


Python中关于头条_signature参数的问题如何解决？

1 回复

这个问题我遇到过。头条的_signature参数主要是用来反爬的，核心是前端生成一个加密字符串，我们得在Python里模拟这个计算过程。

通常，这个签名是由页面的一些固定参数（比如as、cp、mas）加上当前时间戳，经过一个特定的JavaScript函数（可能是MD5、SHA或者自定义算法）计算出来的。你不能直接硬编码，因为算法可能会变。

解决思路和步骤：

  1. 抓包定位：用浏览器开发者工具（F12 -> Network），找到一个包含_signature参数的请求（比如列表页请求）。重点看它的Query String Parameters或Payload。
  2. 搜索关键代码：在Sources里全局搜索_signature、sign、signature或者byted.acrawler这些关键词。头条常用一个叫acrawler.js的库。
  3. 分析JS函数：找到生成签名的函数。它通常会接收一个URL或参数字符串作为输入。你需要理清它的逻辑。
  4. Python模拟：
    • 简单情况：如果算法是标准的（如MD5），直接用Python的hashlib库实现。
    • 复杂情况：如果算法混淆严重，有两种主流方法：
      • 方法A：PyExecJS。用这个库在Python环境中直接执行你找到的那段关键JS代码。优点是快，但环境依赖可能麻烦。
      • 方法B：Selenium/Playwright。直接用无头浏览器加载页面，让浏览器执行JS生成签名，然后你再提取。这种方法最省事，能应对算法更新，但速度慢、资源占用高。

这里给你一个使用PyExecJS的通用代码框架：

import execjs
import time
import requests

# 1. 读取你从网页上抠下来的、包含签名函数的JS文件
with open('signature.js', 'r', encoding='utf-8') as f:
    js_code = f.read()

# 2. 编译JS代码
ctx = execjs.compile(js_code)

# 3. 准备参数（这些参数需要你根据实际抓包分析得到）
# 例如，可能需要完整的URL，或者参数字符串
params = {
    'user_id': '123456',
    'max_behot_time': int(time.time()),
    'category': '__all__',
    # ... 其他必要参数
}
# 假设你的JS函数名叫`get_signature`，它接受参数字符串
param_str = '&'.join([f'{k}={v}' for k, v in params.items()])
signature = ctx.call('get_signature', param_str) # 调用JS函数

# 4. 将计算得到的_signature加入请求参数
params['_signature'] = signature

# 5. 发送请求
url = 'https://www.toutiao.com/api/pc/list/feed'
headers = {
    'User-Agent': '你的浏览器User-Agent'
}
resp = requests.get(url, params=params, headers=headers)
print(resp.json())

关键点：你需要把找到的JS签名函数（以及它可能依赖的其他函数/变量）完整地保存到本地的signature.js文件中。有时候需要补上一些浏览器环境下的全局对象（比如window、document）的简单模拟。

如果JS混淆得太厉害，搞不定，那就直接用Selenium吧，虽然慢点，但能确保拿到可用的签名。

总结：核心是逆向JS算法并用Python执行。

回到顶部