使用C#访问百度指数:分析请求数据(1)

2010年06月12日 　　看到帖子有网友问如何使用C#程序访问百度指数(index.baidu.com)，研究了下，写了个简单的Demo实现此功能，欢迎各位朋友指正。 　　由于百度指数是以Flash的形式展现出来的，不方便直接取到，按常理，我们需要分析发送到服务器的数据和返回的结果。 　　我使用的抓包工具是HTTP Analyzer，通过查看Post Data，可以看到客户端是发送了一个Post请求到http://index.baidu.com/gateway.php 　　发送的数据是一个AMF Message 　　那么我们需要研究下我们如何能让我们的程序发送出相同的请求。 　　再此之前我们需要了解下AMF的概念，AMF是Adobe公司开发的数据交互和远程过程调用的协议，全称为Action Message Format，很类似于WebService。但WebService传递的是XML文本数据，而AMF使用Http传输的是二进制数据。 AMF中主要使用的数据类型如下： 　　public enum DataType { Number = 0, Boolean = 1, String = 2, UntypedObject = 3, MovieClip = 4, Null = 5, Undefined = 6, ReferencedObject = 7, MixedArray = 8, End = 9, Array = 10,//0x0A Date = 11,//0x0B LongString = 12,//0x0C TypeAsObject = 13,//0x0D Recordset = 14,//0x0E Xml = 15,//0x0F TypedObject = 16,//0x10 AMF3data = 17//0x11 } 我们看下向服务器发送的AMF Message信息，HEX显示如下 　　这些二进制数据的分析如下 　　0003 说明使用的AMF版本，目前AMF有两个版本，0000 表示 AMF0，0003表示AMF3 　　0000 表示AMF Header的数量0 　　0001 表示AMF Body的数量1 　　0017 表示调用的方法的长度占23个字节(17的16进制就是23) 　　接下来 　　4461 7461 4163 6365 7373 6f72 2e67 6574 496e 6465 7865 73 　　这23个字节表示调用服务器端的方法是DataAccessor.getIndexes(44的16进制就是68，也就是D，后面不再做类似解释) 　　接下来的 00 022f 31 表示target作为标识实现请求和响应的联系，一般是自增整数。00表示数据类型为Number，02表示长度为两个字节，2f 31其实就是/1 　　00 0000 2d Body的长度为Number类型，长度为45 　　0a 0000 0003 0a表示数组类型（类似于C#中的Dictionary，键值对，键总是string类型），长度为3 　　数组的第一部分 　　0200 0ce5 a881 e8bf 85e6 9599 e882 b2 02表示字符串类型，0c表示此字符串长度为12，后面的e5 a881 e8bf 85e6 9599 e882 b2 　　表示传递的数据,可以用下段代码查看 　　byte[] buffer = new byte[] { 0xe5, 0xa8, 0x81, 0xe8, 0xbf, 0x85, 0xe6, 0x95, 0x99, 0xe8, 0x82, 0xb2 }; 　　string str = System.Text.Encoding.UTF8.GetString(buffer); 　　Console.Write(str); //广告 　　数组的第二部分 　　02 0001 30 字符串0，不知道有什么意义 　　数组的第三部分 　　02 0012 3230 3130 2d36 2d31 7c32 3031 302d 362d 3131 　　长度为18的字符串，内容为2010-6-1|2010-6-11 　　至此，请求的数据我们已经分析完毕，再简单说下返回的数据(Response Content) 　　返回的AMF Message当然也包括Header和Body(数组类型) 　　Body的Target为/1/onResult 　　Body的Content包括 　　key String类型 就是我们传进去的关键词 　　area Number类型 0 　　areaName String类型 可以用上面的代码看到内容，就是全国 　　userIndexes String类型 这里都是百度指数(用户关注度)，用逗号分隔开 　　mediaIndexes String类型 这里都是媒体指数(媒体关注度)，用逗号分隔开(由于图中userIndexes 占位较多，所以未显示出来，在userIndexes数据下方) 　　如果想得到最后一天的百度指数，只要找到mediaIndexes前面最后一个逗号后跟的数字即可（当然要排除mediaIndexes本身数据类型及长度的占位字节） 　　文章参考了 　　AMF学习1数据类型 　　http://www.cnblogs.com/studyzy/archive/2008/04/09/ 1143685.html 　　AMF学习2远程调用的封装