|
|
现在越来越多的网站把数据的交互过程写在 JS 代码里，也就是说如果你只单单看前端网页的源码，你是无法得到具体的数据，你只能看到一大堆调用 JS 的前端代码。所以对于这类的网站，我们需要进入到具体的 JS 源码，理清关键代码，从而进行破解获取到我们想要的数据。
9 S5 E( {! ~' e/ X$ N4 }, f. a1 JS 基础语法学习
2 Q! k2 S, H4 p9 O- L2 E( U4 B8 b5 f 你只要有点编程基础，学习过一门编程语言，JS 的学习还是相对轻松，一个星期左右的时间就可以把 JS 所有的基础内容，全部学习一遍。如果你没有编程基础的话，JS 基础的内容学习起来也不是非常难，最多一个月的时间也能全部学完。
- p" t: S- t5 z+ J- X这里给大家推荐一个 JS 编程基础学习网站：; Y m6 Q0 v P7 j) }) l
https://www.runoob.com/js/js-tutorial.html2 |/ E M$ `, ^ E
* T! x. D3 f" X: ], r/ ]# _9 E4 U; n" u
6 b7 x$ l1 M7 H
; U; f- E0 }! A0 k+ b2 前端 JS 破解原理
$ T; b* h# `7 h; m! K 普通的网站数据的显示都是在网站的源码中就可看到，这类的网站你只要发个 requests 的请求，服务器就会把带有数据的源码返回给你，你就可以通过一些解析库进行解析了。但对于 JS 进行数据加密传输的网站，它就不同，比如下面这个网站：
7 \' f \% S* i9 ^2 a
& Z1 D a2 Q8 T n6 v9 z$ i
在控制面板可以看到获取到的数据是字母串，跟前端显示的数据完全不同，这就说明网站的数据是被加密了。新手在爬这类网站的时候，看到这里可能就会感到无奈。但大家不妨这样想，前端显示的数据是正常，所以后台一定会有某个地方对加密过的数据进行解密，而我们需要做的就是找到这个段解密的代码，按照它的逻辑进行传参就可以了。这也是我们破解 JS 代码的原理所在。
' G. `5 ^$ f: ]# J* v5 A
w* L9 D( l7 _7 ~, _+ v3 工具的使用3 e7 W' z$ w& S0 J
讲完了原理之后，我先给大家介绍几个常用的工具。3.1 谷歌浏览器的开发者工具# j8 E) D! |' s' x
学爬虫一定要会使用谷歌浏览器的开发者工具，按谷歌浏览器按 F12 就可以弹出具体的页面。
& j. [# O5 O( w/ c
) ~ y! n7 M& N$ F, C3 g! s! E
在开发者页面中你可以看到网页的源码「Elementes」、控制台「Console」、网页源码「Sources」、网络请求面板「Network」等等。详细的教程可以去看下官方的文档：
4 A& v/ a- z: q/ ^https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn/ T+ ?2 o" K- j4 K; T3 \/ q
3 }5 J8 c$ P5 Z! ]5 I9 p, D3.2 Nodejs 安装( S9 I( O: e) K% L+ d! Q
因为涉及 JS 的调试验证，所以除了 Python 环境外，你还需要Nodejs（ JS 的运行环境）和 WebStorm（IDE）。
% `1 ^! i4 l5 `$ E/ F
) a- N$ J! b3 b+ U3 T2 m
Nodejs 去官网下载安装包后直接一键安装即可，安装完毕后去控制台运行 node -- version，如果出现版本号即代表安装成功。WebStorm 安装完后需要激活，激活教程网上很多，大家自行搜索。它是 Jet Brains 的产品（和 PyCharm 是同一家公司），所以使用方式与 PyCharm 很类似。$ M: E( r2 R4 R5 O/ R8 f( x
$ M( q2 i; j" a( |( \
4 实战练习) t' f5 k, m7 P S4 P( X
接下来就带大家进行实战练习，这次我们爬取的对象是「企名片」网站：: p6 F% a8 L# _+ c
https://www.qimingpian.com/finosda/project/pinvestment
1 _6 s1 h7 |. r0 {2 u# J5 R4 h7 i8 _3 c- y. v- L
4.1 网站分析
3 c6 y! w& H# U; ~- |- K; L& L9 ]$ n. S7 s 首先打开链接，点击 F12 查看网络请求面板。在 pinvestment 响应里可以看到是一个 JS 调用的代码，并没有我们想要的 HTML 代码，显示网页是由 JS 动态生成。
+ Y2 D% C; [, j6 N# X f0 o. A
9 B" |/ |' _& v: g6 M% i. ~0 P 在点击 XHR，我们就可以看到一个 productListVip，这里面有个 encrypt_data 数据。参数内容像是一串 Base64 字符。既然网站对这个参数做了加密，说明它不想被爬取，所以可以做个假设：我们的目标数据就是 encrypt_data 参数里的内容。' u( c9 n0 {0 P0 a4 [! k( f
' u8 x! Q* M. r9 c! Z1 R7 ^
接下来我们就要破解 encrypt_data。7 n C4 v, r- n1 D. G+ m% G! B- |
4.2 断点调试 JS 源码
: q0 w: J9 J" l$ t& b 打开开发者工具，点击 Sources 我们在 js 文件夹中就可以找到网页的 JS 代码，在右侧我们就可以进行断点调试。% h$ H' L0 ?0 ] Q; }7 ?
7 H/ S* X9 L$ S8 m, C 在断点调试拦里有个 XHR/fetch Breakpoints 选择，而我们含有 encrypt_data 加密的参数正是一个 XHR 请求，所以我们点击+号，把 productlistVip 请求 url 添加进去。
0 s0 z$ B8 x3 V0 v+ u5 o
1 ?$ f9 X" K! H- a% o 随后我们重新刷新网页，就可以一步步的调试找到可疑的地方。
8 {9 q& L: Q8 X0 ~/ c" E小技巧：
: F. g, ^" g( H4 X8 \1 花括号进行美化# d5 Q) j6 u% I' }' @
0 L" s% I1 I- v& N5 m- ~: u- Z) [ 点击左下角的花括号，可以把乱序的 JS 代码，变成有序的代码，看起来就非常的方便。; B8 S. v- B. t; X' I
1 t3 G& l- h. b2 q+ r
1 _' S5 L0 q: }5 [- J( i
2 控制台输出执行结果
4 Q- c. a2 [# J( E: v 如果你找到比较可疑的点，你可以选中可疑的代码段，点击右键有个 Evaluate selected 选项，它就会在控制台输出执行的结果。
) o+ O4 b0 Z9 M0 _
4 L! H3 b/ V5 k( h9 ]$ i
) R* @1 e' ?. Y- Q F, {
* [1 L% V _! U
其实上图中执行 Object(d.a)(e.encrypt_data) 返回的内容就是我们需要的数据了。进到这个函数体里边，就能找到解密函数：其实上图中执行 Object(d.a)(e.encrypt_data) 返回的内容就是我们需要的数据了。进到这个函数体里边，就能找到解密函数：' d; q# H8 K. U( ?! ~' i% S
/ k# }! M$ j: c function o(t) 就是我们需要的解密函数，可以看到它先调用 s 函数，传入了四个参数，除了a.a.decode(t) 外其他三个都是写死的，最后用 JSON.parse 转为 json 对象。
9 q/ o3 ~9 K4 z$ ?2 c9 C3 J9 N然而，找到解密函数后，我们要做的不是去分析它函数内部做了什么，虽然可以研究它的解密算法然后用 Python 重写，但这样太复杂且没必要。因为我们可以用 PyExecJS 这个库，直接用 Python 调用并执行 js 代码。
6 f& M2 ]- r) _8 w 这时候，WebStorm 就派上用场了。新建一个 js 文件，把 function o里涉及的代码全部抠下来。然后执行 console.log 把执行结果打印出来。篇幅问题就只贴部分代码：
4 w6 T+ R8 |: Y5 j
4 E7 \ k: s! R1 l5 B* Q
8 e T5 q& {% r
成功输出正确的数据，最后用 Python 去调用解密函数就行了。) K1 j5 c% {) p: L- `+ O. u- A- f
' F& S# U6 ^2 S4 k8 {& O% r |
|
|手机版|小黑屋|paopaomj.COM
( 
渝ICP备18007172号|
渝公网安备50010502503914号 )
发表于 2020-3-19 10:28:04
