|
|
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。
; ~! n) ]* D) l% o1 JS 基础语法学习1 L2 a% G6 I2 }" L
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。
7 D" u2 [1 a: e6 g1 e这里给大家推荐一个 JS 编程基础学习网站：
4 Q* {6 J9 z& Hhttps://www.runoob.com/js/js-tutorial.html
8 O0 P& ^* {6 J. p! `; S! Q- E2 ~6 P. E( @( E1 i, p+ i# C0 E7 n* x' q
" t% g2 N4 Y. T: |& D4 p! R3 O0 V
+ J7 }% g6 g$ k% V* M4 O2 前端 JS 破解原理% _4 V% G$ _; v+ i1 _6 y. d5 _
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：1 r! d9 c" C( M! o; M
2 l8 i) {7 U8 `+ x9 t
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。/ w& y% L F" Z) t+ A
6 |( t$ r# Q) `- V# m3 工具的使用8 U& b& V; U* [" e7 ]- X
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
. X7 p) D: M7 i; k 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。! p: F- M0 D( [9 I' g
- P5 k3 @" N5 `
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：
2 Q8 a. y$ j$ j. mhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
& c) t, ~+ a( {+ d! s* |/ k1 T* p i4 x a) i/ J: Z
3.2 Nodejs 安装
; j# g3 }2 ]/ l: r5 o 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）。( m0 `6 T5 ?, e1 N- U* Q
3 k3 C/ m, w8 B' A- U3 c" 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。* G6 Y3 a/ Q. d1 K$ J; ~' x7 H
% Y% D5 F+ {9 D' g+ `. y
4 实战练习& d1 Z/ Z" x% Z' d4 U
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：
2 u9 j: @4 ^7 k! Shttps://www.qimingpian.com/finosda/project/pinvestment
- v2 ]2 g2 J5 D, m
. j7 q8 b4 K. w2 F3 Z. O6 N4.1 网站分析
7 ^6 T- ?, \8 g, c+ R5 k- s# n 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。9 f5 x5 b( p) e% }1 E: s1 }
5 _$ `# K/ }3 I, y8 z
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。
9 G8 d; z6 S6 _
* N% G$ s" s2 S5 ^8 _7 F. m4 ?
接下来我们就要破解 encrypt_data。* b2 k, \: B X3 A. U
4.2 断点调试 JS 源码% h/ b1 k3 V, l5 v N9 Y, b6 \7 E
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。
+ L2 t; b2 h/ E
% x" b$ x$ w3 e3 x6 y( ^& ]3 ? 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。
, `9 A. o+ }' o+ B/ v
- ]0 u0 H* g) f& G
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。
$ z ^9 a% E1 s1 w5 Q0 x( g. r小技巧：; y) t; x4 h( Y
1 花括号进行美化
! z$ e) G( t7 i/ t: C! n- k8 `; h, J. r0 i! G) t4 Y; D4 x, T! n$ A: o
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。
- V# Z+ [$ M3 u6 s5 n7 @
( N' e2 t' |% ]" X* O. Z+ t
3 o5 f) `3 R, w: Q' t2 控制台输出执行结果' Q& l* I1 [, b- _' }
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。# b& c: [; e8 F! T, c
) e; F# |8 A3 B& ~" r% f" V. \! _
8 D, H5 w. }) s4 c' d
# e n* o( s# O 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：, R+ F0 m3 `8 A- \
1 h, h) f" c4 h: W4 m* i- l 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。6 F4 f$ B9 n5 \ S2 `" x. v
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。) n0 D4 D+ S& H: s( |0 f! Y: y
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 k! Q; H/ b( h9 G# g1 g% l
; ^" m6 w2 i/ r- y& W% S- A. E; `
# H4 n! ?# b- q
成功输出正确的数据，最后用 Python 去调用解密函数就行了。- W6 t" a, x. @" C. U. u% g
; a. ?% o; D, U' U( } |
|
|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
