西瓜书屋 (xiguashuwu) 分析笔记¶

创建日期: 2025/08/01

一、加密与分页结构¶

章节通常分页展示，常见情形:

第 1 页: 未加密
第 2 页: 通过 JS 打乱内容顺序, 并以图片替代部分文字
第 3 页及之后: 采用 AES 加密, 并以图片替代部分文字

二、JS 打乱与还原¶

在 article.js 可见如下核心逻辑 (节选):

content = {
    load: function() {
        var e = base64.decode(document.getElementsByTagName('meta')[7].getAttribute('content')).split(/[A-Z]+%/);
        var j = 0;
        function r(a) {
            var c = '';
            var d = document.createElement('span');
            for (var i = 0; i < 20; i++) {
                var n = Math.floor(Math.random() * 99001 + 1000);
                c += String.fromCharCode(n)
            };
            var b = ['。', ': ', '？', '！', '—', '…', '；', ', ', '”', ''];
            c += b[Math.floor(Math.random() * b.length)];
            d.appendChild(document.createTextNode(c));
            a.appendChild(d);
            return a
        };
        for (var i = 0; i < e.length; i++) {
            var k = this.UpWz(e[i], i);
            this.childNode[k] = r(this.box.childNodes[i])
        };
        this.show()
    },
    UpWz: function(m, i) {
        var k = Math.ceil((i + 1) % this.code);
        k = Math.ceil(m - k);
        return k
    },
};

原理¶

顺序编码: 真实顺序被编码到 <meta> 的 Base64 字符串中。前端解码并以 /[A-Z]+%/ 切分为数值片段数组 e。
还原映射: 对每个索引 i 和对应数值 m，用 UpWz(m, i) 求得目标索引 k，再执行 childNode[k] = box.childNodes[i] 完成重排 (等价于 k = m - ((i + 1) % code))。
噪声插入: 在节点内附加随机字符 <span>，用于干扰，不影响重排。

参考复现 (Python)¶

import base64
import re

raw = "MUIlOFYlNFUlMThXJTE4USUxMVMlNUclMjBNJTVaJTExQyUxM0wlMTVNJTZNJTVOJTEyTiUxNlIlMjJIJTEwUSUxNw=="
codeurl = 6

def restore_order(raw_b64: str, code: int) -> list[int]:
    decoded = base64.b64decode(raw_b64).decode('utf-8')
    fragments = re.split(r'[A-Z]+%', decoded)

    order = [0] * len(fragments)
    for i, m in enumerate(fragments):
        # UpWz logic: k = ceil(parseInt(m) - ceil((i+1) % codeurl))
        k = int(m) - ((i + 1) % code)
        order[k] = i
    return order

restore_order(raw, codeurl)

三、图片替代文字¶

现象¶

部分文字被单字切分并替换为 <img class="hz" src="...">，示例:

<div id="QHUMBNFZW" class="ANCLMRVOKTQIWESHUGFYZDX">
    <div>
    <p style="text-indent: 2em; padding: 0px; margin: 0px">
        坑底见:将黎屿移<img
        class="hz"
        src="http://www.xiguashuwu.com/wzbodyimg/eOSvYn.png"
        />群吧……<br /><br />
    </p>
    </div>
    <div>
    <p style="text-indent: 2em; padding: 0px; margin: 0px">
        舒澄没好意思反驳他，这么好的看<img
        class="hz"
        src="http://www.xiguashuwu.com/wzbodyimg/C5mkg5.png"
        />，节目组怎么可能会剪掉。<br /><br />
    </p>
    </div>
    <div>
    <p style="text-indent: 2em; padding: 0px; margin: 0px">
        ——哈哈哈哈哈哈我只会哈哈哈哈哈哈哈哈
    </p>
    </div>
</div>

粗略统计显示图片字库规模有限 (约 600 余张)，可构建 "图片文件名 -> 字符" 的映射进行回写，例如:

{
  "eOSvYn.png": "出",
  "C5mkg5.png": "点",
  "sbmbNu.png": "蕾"
}

复原策略¶

OCR: 对 class="hz" 的图片进行识别，得到字形对应文本。
文本对齐: 利用页数 >= 3 的响应中 "未加密预览文本" (纯文字) 与 "解密后的完整内容" (含图片替换) 进行逐行对齐; 当完整内容在某字符位出现 <img class="hz" src=".../xxx.png">，以同位的预览字符 ch 作为映射值，记录 img_map[xxx.png] = ch。若已存在不同映射，记录冲突并保留原值。

数据结构¶

img_map: {filename -> char}: 最终映射。
img_seen: set[str]: 已发现但未确认的图片标识集合。

采集与对齐流程¶

章节筛选: 遍历页数 >= 3 的章节。
采样收集: 在第 2 页收集出现的 img.hz 加入 img_seen。
完整解密: 对页数 >= 3 的内容, 解出 AES 完整内容 (该处为图片替换版本)
逐行对齐: 基于可见纯文与完整内容对齐，生成/补全 img_map，并维护 img_seen 去重。

四、AES加密¶

解密函数 (页面脚本):

function d(a, b) {
    b = CryptoJS.MD5(b).toString();
    var d = CryptoJS.enc.Utf8.parse(b.substring(0, 16));
    var e = CryptoJS.enc.Utf8.parse(b.substring(16));
    return CryptoJS.AES.decrypt(a, e, {
        iv: d,
        padding: CryptoJS.pad.Pkcs7
    }).toString(CryptoJS.enc.Utf8)
}

参数与流程¶

a: 密文字符串 (通常先经 decodeURIComponent(...), 本质为 Base64)
b: 页面里给出的 32 位 hex 串 (示例: "60e66001b77c190fda1fd44db437bbb9")
派生: 对 b 做 MD5 -> 得到 32 位 hex 文本; 取前 16 个字符作为 IV, 后 16 个作为 Key, 均以 UTF-8 文本字节参与运算
算法: AES-CBC + PKCS7 填充, 输出按 UTF-8 解码

页面示例提取点:

<script>
    let newcon = decodeURIComponent(
    "r0Fyb1zxoHYQQdpyqWXez71J%2BYRE..."
    );
    newcon = d(newcon, "60e66001b77c190fda1fd44db437bbb9");
    $("#JLZAKFETS").html(newcon);
</script>

提取步骤:

抓取 decodeURIComponent("...") 的参数并 URL 解码，得到 Base64 密文 a
抓取 d(newcon, "....") 的第二个参数作为 b
按上述派生方式解密

参考复现 (Python):

import base64
import hashlib
import re
import urllib.parse

from Crypto.Cipher import AES
from Crypto.Util.Padding import unpad

_RE_NEWCON = re.compile(r"""let\s+newcon\s*=\s*decodeURIComponent\(\s*['"](.+?)['"]\s*\);?""", re.IGNORECASE)
_RE_D_CALL = re.compile(r"""d\(\s*[^,]+,\s*['"]([0-9A-Fa-f]{32})['"]\s*\);?""", re.IGNORECASE)

def parse_newcon(text: str) -> str:
    m = _RE_NEWCON.search(text)
    if not m:
        raise ValueError("newcon not found")
    return urllib.parse.unquote(m.group(1))

def parse_d_key(text: str) -> str:
    m = _RE_D_CALL.search(text)
    if not m:
        raise ValueError("d() call with key not found")
    return m.group(1)

def decrypt_d(a: str, b: str) -> str:
    digest = hashlib.md5(b.encode("utf-8")).hexdigest()  # 32 hex chars

    iv  = digest[:16].encode('utf-8')
    key = digest[16:].encode('utf-8')

    ct = base64.b64decode(a)

    cipher = AES.new(key, AES.MODE_CBC, iv)
    padded = cipher.decrypt(ct)
    plaintext = unpad(padded, block_size=16, style="pkcs7")

    return plaintext.decode('utf-8')