|
|
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。
3 g* C% N5 W7 o9 Z' \3 Z6 B1 JS 基础语法学习0 o3 [+ j0 K5 C9 n q
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。
- f' ^! w. v7 E0 v8 G0 E这里给大家推荐一个 JS 编程基础学习网站：
3 Z- w0 d ]7 u9 Rhttps://www.runoob.com/js/js-tutorial.html
( W5 f% ~. J) ~) b2 _3 |
2 }! s7 q4 k2 |5 y
0 R+ r+ H/ u+ y/ |; v
1 Z& I+ E! H# R8 @% G- T2 前端 JS 破解原理% a5 g3 @9 S( a; V: r3 |4 u: t
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：+ i% y+ v1 @8 C" U( u
' t, b) a m, D4 L5 F: E8 X" q: ^ 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。
1 X2 Q8 A9 h l2 w6 Z% v) x, i7 @) D f4 Y" b
3 工具的使用
" P# Q* W( U" g& y& W 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
8 y; B/ R3 s0 ?, c: H6 y! 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。
" ?* g2 M; V# P9 c7 Y
' _# L; S6 }2 ?" 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：, k' q3 `% q) Z1 `& x
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
+ N: P( o F8 H) o4 c6 r* O8 J
* u7 J2 T% ^ A) _) s: U3.2 Nodejs 安装) O5 e/ z* a, U4 h+ H+ O s
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）。* }! Z! O9 U4 ]$ B+ H
6 ]- c6 Y0 E1 j( v 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。
; I; P7 L: M% z$ D! d3 N; P0 H1 ?" ~' ^. W
4 实战练习
5 n2 L2 o: b5 m) |- Y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：
0 C3 O5 b! X' F2 A. N: }- Ahttps://www.qimingpian.com/finosda/project/pinvestment
" E4 \2 H& \6 G/ f+ O4 R% T# }% |1 V
4.1 网站分析
0 d' u n' j* k# D 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。1 h2 r4 e. W, e' P8 K. Y
+ T+ R l0 o6 g) W4 U9 g, R 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。
" G/ W {" Y8 C# B
' T0 X1 v* E: G7 Z& P 接下来我们就要破解 encrypt_data。6 Z; v$ a1 E! L- C: ~. z3 g
4.2 断点调试 JS 源码
0 g6 W# D, `' N9 \' s2 Z: R& q. r' w 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。' d, W, z0 M1 Q: u2 X3 d
6 X+ B7 z$ q$ W1 s* V1 b" ` 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。/ w/ R/ r1 k' X# d$ e
D3 |* o' p) m+ L8 G) @6 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。
% h4 N z4 i c x( t# m6 o小技巧：
4 S2 E9 X. m p! J# |1 花括号进行美化
) Z0 }+ }+ m* N* C8 K
' @) N! A, {% ?+ H6 O8 j$ e& H 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 s {5 _! v. C2 i1 a1 s6 v2 k
1 a7 R2 t' W, a! L
$ K6 t! V! @ ]
2 控制台输出执行结果
! f6 {* _0 o6 l4 d U5 i 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。$ u; G! n' n5 J1 l- F- Y7 W& ]6 ?; b
* p0 |0 b: q) a) V9 a& m0 t: d5 H; ]& I _
' k# ] W$ J! F- e% w2 q9 _
% j8 A8 T5 R. N6 E0 X: I. r 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：
- m" u+ N$ i, ^% u# D$ B
- J3 t t0 z+ \1 \; @ 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。
+ u! E+ F! ^2 k; n7 y, K4 S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。
) v# d9 ?$ j& @! k+ ~9 m/ 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：7 f% S1 S8 s" X. h1 C; `' Y+ {
1 L& k+ s; C' w& D+ o% y! {
* f2 h/ l7 c! M- H' @% @$ U- t
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
% U8 \* F3 V. p& D! f2 J1 v; z
3 ` Q$ v9 P1 l) [) 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
