|
|
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。
' d& {: q' b/ ^ T; u$ |$ F X1 JS 基础语法学习' L6 p* c1 d, k, {8 J7 x- z
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。" ?3 X1 v! e8 |0 k: x+ i
这里给大家推荐一个 JS 编程基础学习网站：: i f+ v0 C2 n& d( u9 `
https://www.runoob.com/js/js-tutorial.html. F9 _& p: D) c& e
, _7 D/ b6 A6 i: C, E
: F+ L* ]/ F- A' }, c0 I
- ?2 ?3 \0 T9 l; }7 x, _% H
2 前端 JS 破解原理
/ p$ y3 W) a: e1 N# f+ r# r 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：8 I# V" z/ |3 {; [# c
+ U: [( T4 A: _" s" H% X$ Z 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。
5 C) C+ k, `4 ]$ o7 O" }
1 ~- F: B9 W# R. `3 工具的使用
$ C5 }, D" s8 D u, ~1 R 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5 g% _: h S4 ` c# w! c' `
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。) I$ V6 ?& i" r- J* s/ ?% V
+ ~# D; J6 W: J6 ?3 l- D. r4 { 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：
& ~- l, c, K& q- c" v3 ^, {https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
1 y% q F( m9 p; P1 g0 i# v
' ?8 X: B: K z4 V3.2 Nodejs 安装" {' P2 O) k' m: M
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）。; {# ]* h; y9 g7 N
. t2 t3 }1 Q: c$ x3 x) y9 x, C 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。
: v6 H5 b" T' _2 z. {3 d. G
( p9 t* J, d, A6 T4 实战练习
" }3 I. [+ g0 N/ d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：$ Z+ Z3 m1 X) t p7 W" m0 U
https://www.qimingpian.com/finosda/project/pinvestment
! k: }* J) f$ a0 f8 a) I8 z2 _
x2 Z# b5 l7 h. |& l& ?4 P' y4.1 网站分析
1 Z' P; G3 S, z; b2 p& y 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。
" [, G5 ?% X {9 V
* h/ A$ C$ N# m- i; ^( X
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。2 l9 k$ h/ R' ^* P
; v9 d4 {# k" ^! L n/ d1 D 接下来我们就要破解 encrypt_data。
1 f* J! [$ V, q8 n F4.2 断点调试 JS 源码
9 \/ T( K, n$ O1 x( J2 s# [/ h 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。7 E, J4 n/ c g/ _6 R* K9 v
0 q w, @6 C9 b# _9 N0 o: k0 ^ 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。4 Q$ z* E4 i K/ O- [" @
8 a s1 [- b+ c! Y
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。
9 g" F, e8 |0 ~( e小技巧：. S$ J& v, u' [+ i- H2 }6 O
1 花括号进行美化
* @) R* n7 [" J, n& K( E D2 m& M8 ]1 [" K4 b8 P3 m
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。8 D: T/ O# B6 f! A) K: q y
" b' M$ k; \2 N' C2 d
W- ~; D9 v2 j* e
2 控制台输出执行结果
- j2 f9 c) K( G- W/ x2 ]) Y 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。 S- e. u" i2 ` V1 W1 X7 c% K
. ^" u/ _8 J7 I
' V9 O4 [$ e' ^" B) l5 C
- \5 o. f" K/ W5 m
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：
2 l7 o3 J+ o0 H# G$ }6 `# K
f( g3 X& B( ?3 Y w! K 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。
2 J" q7 e' p$ h Z3 f* `, y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。
2 Z, s' I5 B. V5 B 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：
2 H+ J6 `: J: b0 a6 s) O* a2 C9 v0 l. b2 ^ K
1 H" _5 C* }4 c5 Z! j: P( Y
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
9 t+ N1 `. r8 A" i! ?. K, F
3 W- f C; N U# P
|
|
|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
