|
|
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。
! Y, ^5 s0 R) `" {1 j' S1 JS 基础语法学习7 h$ }' B8 C% h6 u2 [8 `* O4 [$ \' h! d
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。9 ^7 X% K! q5 K; i, ^
这里给大家推荐一个 JS 编程基础学习网站：/ U* H& y2 P( E
https://www.runoob.com/js/js-tutorial.html
1 x4 D; @; ]8 l9 v, A9 N/ ^
" y2 V4 G% z$ [! c6 o1 h* U) f
0 E8 s# @" Z% c# `: O% N' Y L0 o
4 _4 P0 ^+ L3 I; T& ] v0 M6 a2 前端 JS 破解原理2 Z& }0 `( d- e. E6 L
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 A" t+ E; m+ u) C" E. p; P2 w; k7 J
; M0 C: s) H. W+ N- e* `
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。! O: u, G2 y3 W" [$ R# l5 g( x8 w! T
) Q4 l' h" b( Y. h5 u! t3 工具的使用& }+ _* m+ R2 \0 C% y6 u
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
; ^, O) @( h3 a 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。
9 O9 Z4 q5 q* ~2 p8 Y
1 i; x. k+ O" u3 F
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 W3 Y ?4 L( E, f3 _https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
+ X' W" d; x) }
8 J- \& _5 p0 u r& h3.2 Nodejs 安装5 U* A9 ^( k( N; R5 ^0 G
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）。7 K( c* _/ r' I6 k* W$ w8 \# @
8 h$ Q3 o4 r& a( ?
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。
+ j( v6 G) B+ [. H% h: K M4 v8 c' a$ H6 x0 `, o( D- e, {. M8 K8 ]
4 实战练习
/ q5 S% O/ Z; J0 Q0 ~1 @+ W, h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：7 {* `% ^* @# H* J0 q
https://www.qimingpian.com/finosda/project/pinvestment
0 v0 R1 U9 `7 F4 K# X
! g! U2 R7 p1 Q& Y6 u+ P7 Y4.1 网站分析3 A8 K% Y _, n; l
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。
5 i% w( V* ]! y: B1 d7 K5 |
, Z5 T- W' n! E$ R4 S7 a+ D 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。
" x/ ]7 v# C f% w! A/ r
/ a2 W$ L) A& B% Z5 ^
接下来我们就要破解 encrypt_data。7 N0 g6 m& s S
4.2 断点调试 JS 源码- U4 k( y8 {. L8 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。
: _2 U2 y" V* s1 g+ l; k j
" v8 V0 e" A: H8 P% }9 w H 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。
. [5 M# A9 V$ X! b ^. o4 u' @
+ |3 E$ @, l6 L" ^5 x$ ?. ~ 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 \! _( g7 ?9 C& H7 |4 A- s
小技巧：; N% o6 V' [8 ]2 e m6 {" z# @
1 花括号进行美化" p% m4 ^# L" z: Z5 L! w% m
8 [4 q5 z. F& D
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。
: A2 E% C) y7 D# b
. }0 M1 q. ]$ P2 {( p4 Z" x
3 r1 e. i' f5 m2 控制台输出执行结果
" ~ L. m' p. W( E$ s& @ 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。! }- t9 k; V0 r1 a8 r$ {) `
- B+ W* T8 z1 C( n& V# X* s7 q
! I1 t6 U ^+ {/ ]
- u6 m6 G- q9 R C: l [% J 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 ^: w' D" E3 s
2 M4 Y; X4 X, T) Q& J4 z1 \3 J( U 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。/ A% l8 R& N9 i( ?& q( B. R. f
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。4 Q7 C$ T- e5 g( b- w# D
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：
, j, [1 B5 X/ v1 J* W$ ]" _6 R R6 T
6 E4 t( ^5 ~, a/ A2 l9 W
成功输出正确的数据，最后用 Python 去调用解密函数就行了。& i' c- t( X ]" b
* |0 a6 l: z; z8 d) L7 x
|
|
|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
