搜狗用这个技术，挖了百度的墙角

前几天在百度搜索的时候，一不小心误点搜索候选词，给我跑到搜狗搜索里面去了，索性花了点时间分析一下这其中的猫腻，不看不知道，一看吓一跳。

在浏览器中打开百度，使用搜狗输入法输入关键词时将出现搜索候选词列表：

随便点击列表中的某一个选项后，页面跳转到了搜狗搜索的结果页：

测试实验

测试1：360搜索输入框并没有这个候选词列表，如下图：

结论1：搜狗输入法应该是对当前打开的页面有判断，不是随便哪个网页下面的输入框都会出现这个列表

测试2：在百度页面，除了主要的搜索框以外，其他入口也会出现这个搜索选项列表，下面是站点内搜索输入框的测试：

结论2：搜狗输入法没有判断当前输入框目标是不是搜索框

测试3：这一次不用域名，换用IP地址来访问百度搜索。我的环境下ping www.baidu.com 解析的IP地址为：220.181.38.149，结果搜狗输入法竟然没有出现这个搜索选项列表：

结论3：这个搜索选项列表的出现跟网页当前的URL有关

测试4：这一次来把浏览器的进程名字改一下，我这里选择火狐浏览器，将firefox.exe改为firefox1.exe，这个搜索选项列表也没有出现：

结论4：除了URL，对进程名字也有判断，如果不是浏览器进程，也不会触发

最终结论：搜狗输入法检测到用户打开浏览器访问www.baidu.com域名进行搜索时，将弹出搜索选项列表，引导用户点击。

技术分析

如何实现浏览器进程筛选？

第一个问题，搜狗输入法怎么判断当前是不是在浏览器进程中呢？总不能在微信聊天界面也给弹出搜索候选词列表吧？

搜狗输入法核心模块是一个叫SogouPY.ime的文件，这实际上是一个动态链接库文件，这个文件会随你切换输入法时加载到对应的进程中。使用IDA打开分析，发现这个模块内部有很多浏览器进程名字的字符串：

你看，国内外主流的和非主流的浏览器基本都被列为了目标。

进一步分析发现，上面这是一个字符串数组，找到了遍历这个数组，挨个进行比较匹配的处理逻辑：

当前页面的URL获取及判断

浏览器进程筛选出来了，还要筛选当前是不是在搜索引擎的页面，接着往下看！

针对不同浏览器使用不同的获取方式，这里以firefox为例，搜狗输入法使用了MSAA（Microsoft Active Accessibility）技术获取到了当前页面URL。

调试发现，如果修改获取到的URL内容，搜狗输入法的搜索选项列表就无法展示出来。

向上追溯可以找到根据不同浏览器进行不同的URL获取方式分发入口：

继续追溯，获取当前浏览器信息后，还要进行是否是搜索引擎域名的判断：

这个wcsstr函数就是在进行字符串比较了，调试得到wcsstr()的参数1：获取到的页面URL，参数2：搜索引擎域名。又是用一个数组在进行存储：

百度居然还有个小名，www1.baidu.com，有意思。

我们来挨个试一下这个列表中的搜索引擎：

www1.baidu.com:

www.soso.com:

这个就不用试了，现在是搜狗自家人。

cn.bing.com:

www.google.cn:

so.sowang.com:

www.chinaso.com:

www.youdao.com:

www.zhongsou.com:

如何打开搜狗搜索页面呢？

当发现是在浏览器进程中访问上面的搜索引擎域名后，就该跳转到搜狗自己的搜索页面了，那它是如何打开的呢？继续往下看！

打开firefox，使用调试器WinDbg 挂载到这个进程，执行这个命令：bp shell32!ShellExecuteW，给函数ShellExecuteW下断点。

接着打开百度首页，切换到搜狗中文输入法，这样使得SoGouPY.ime模块加载到firefox的进程空间中。

然后随意输入字符，出现搜狗搜索选项列表，随便点击一个，触发断点！来看一下参数：

可以看到：这里通过启动当前浏览器（firefox.exe）打开了URL。根据堆栈返回地址，可以进一步往前分析。

IDA反汇编太多，就不截图了。总体来说，判断当前浏览器是否是IE内核，如果是，就通过获取到浏览器IWebBrowser2接口指针，调用接口中的Navigate2方法来打开搜狗搜索页面。如果不是IE内核，直接调用ShellExecuteW打开URL。

那如何判断是不是IE内核呢？

可以看搜狗的做法：获取当前浏览器类别，内部通过进程名、当前焦点窗口的Class名（”Internet Explorer_Server”）综合判断:

总结

和实验得到的结论一致。

一图胜千言，整个过程就是这个样子的：

多说几句

事实上，搜狗干这事已经有好些年了。几年前，百度还把搜狗给告了，搜狗败诉赔钱。不过，输了是输了，就是坚决不改

对于搜狗输入法的这骚操作，你怎么看？