|
|
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。
, K# \# |( d+ Z2 F4 S1 JS 基础语法学习
* Z8 T8 M c" b# A1 i+ ~ 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 V _: }! `( N2 l这里给大家推荐一个 JS 编程基础学习网站：
/ y* h9 w# `; l) N( E- U% rhttps://www.runoob.com/js/js-tutorial.html# T" Q. \% |# \( @* g
# f8 K1 W: e H# x
, N& P# n5 f5 o& Q
' b( O& e( s5 N8 O2 @1 V. z& X
2 前端 JS 破解原理
' D$ w: P6 f* y+ [' O, _: 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：
3 a# B/ h8 |: K- L
: h' [ I" C4 `! _0 P6 b; U/ _
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。2 r6 C1 P1 H" w" o$ T
2 [; a- ]6 m! b5 U- T% h3 工具的使用) {; F# Y+ N6 Q9 B. I$ J; D- z! 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
# s& v# D/ h% b/ H, _" 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。
) ^+ ?3 [1 h, H
3 p/ `( Q3 j6 \+ J
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：
( r6 ~ v, X/ x$ ^3 a( n$ I3 Hhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
. _# i* o" I e. ]! G" o, {) A2 B8 d) Z
3.2 Nodejs 安装
! U& q% @7 f" C6 T% C% f$ B 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）。
. w- C3 N* {+ }, |- _
. e- {$ }; c- e- n8 t- w/ @ 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。 k# Z/ c$ d; d; g( ^# w
0 G1 P V, H3 p8 j) p0 d- Q( b4 实战练习
' I; g* K6 [+ X! B$ C# {% ^$ k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：" A% h$ e) o: |6 z
https://www.qimingpian.com/finosda/project/pinvestment
9 A3 ` D; u6 E' V. s1 o! N! r5 @$ o' T2 F% P
4.1 网站分析
9 S" w3 b- e& K0 P8 Q9 t 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。
2 c" K4 ]) K; D$ O
* Y4 o& F: o7 L8 }, g
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。
8 M! {; N2 s6 s
^8 `9 F* ^$ E: i- c# Z 接下来我们就要破解 encrypt_data。
+ n" B5 P, s8 f# A6 h6 Z. z4.2 断点调试 JS 源码7 X/ J, D/ C, 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。
4 U% ~# C. i. C: _+ _& S ?
, j$ u. B% f, h2 V* {
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。( j9 P- ?+ [, W
' ~1 q% p4 Q% E( M 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。+ k( ~ O* T% f' V0 `: j% `
小技巧： \/ m2 L* x E
1 花括号进行美化
- [* f) D$ Y6 [2 N( g. _1 S, S; C$ q( q0 C
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。2 r7 C: D2 J4 ?) A- r7 k8 P! D
4 Y$ ]( B4 x2 J; ^, _. Q
0 H. m" M! A! K% l# S. f' ?
2 控制台输出执行结果. _: ^) M1 l! X5 u
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。
, D$ b8 d1 V! Y8 J) @ f1 X
7 L8 I3 r q u1 o9 i5 t3 V
- a! m5 a; U# V/ e" n
: I) J* }% q0 K4 | 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：% i4 Z6 K$ N! e/ n; r: H
+ c/ y: e' n0 N+ F7 _1 I
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。/ o3 F6 I- [( E, r- m
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。
" l( |/ o1 P, r! o/ g 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：
\. Y# _" W$ o1 M: R3 S6 W# H( y
" \8 ^4 T+ ^1 [- ~1 h
. h& \4 j7 E% O e- |
成功输出正确的数据，最后用 Python 去调用解密函数就行了。8 W% {3 @+ P/ `' u) s+ ~
6 n! u) h$ I/ z/ 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
