今天晚上想写个爬虫，爬取四六级真题。

但是我不太会网页逆向，只能瞎琢磨，一步一步的来。

目标网站:https://zhenti.burningvocabulary.cn/

刚开始抓包分析了一会儿，发现目标pdf的文件url地址并没有顺序而是32位的秘文。
类似这样:

res-zhenti.burningvocabulary.cn/images/read/cet6/2025-06/01/0f54c8f77cc291a76403f347814d391f.pdf

然后就去找密文的生成地址，直接在网站的js文件里搜索上边链接中的一些字段，例如

images/read

（运气很好，js文件并没有混淆加密，但凡有一点混淆加密，对我这种小白来说就真的一点办法都没有了）

通过搜索上边的链接中的字段，找到了一个代码片段看着像目标url生成的方法，直接打上断点刷新网页，果然在这个地方停止了，但是里边调用了globalconfig这个类，刚开始以为是定值，就直接把url生成方法和globalconfig一起丢给了chatgpt，刚开始还行，告诉我globalconfig并不是固定的，而是每一个文件都不一样，但是当时我也没有新的思路，就只能一直问chatgpt。

但是一直行不通，又去问deepseek，一样不行。然后，自己又去研究，直接全局搜索globalconfig，发现网页的html里包含了，globalconfig。

到这个时候其实思路已经很清晰了，遍历访问每个对应日期的目标网页，拿到html文件里的globalconfig，再调用上边js文件中的目标文件url地址的构造方法就可以了。

但是我习惯了用ai，我太懒了，我直接把抓包的curl发给chatgpt，让它给我写，思路也给它说清楚了。但是给我写出来的代码就是一坨，就不按照我说的写，乱写一通，不调用我说的生成方法，而是去遍历直接生成目标链接，显然生成的都是无效地址，让deepseek写也是一样。

之后，我就开始自己写，直接一个request请求，再对返回的html进行处理得到globalconfig内容就行了，json化之后，调用url的生成方法就可以得到类似上边的目标文件的pdf地址。就这么简单，也不知道为什么ai就是搞不懂，总写出一坨。

自己写了不到20分钟就写好了，最后也成功运行起来了，把近10年的试卷真题都给爬下来了。

上床睡觉😪。

时间太晚了，明天把CET4和6，还有考研英语的，专四专八一起爬下来，放到GitHub上。

仓库地址:https://github.com/iduxx/English-zhenti