|
|
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。
( r% s4 l/ u' u3 Z1 JS 基础语法学习
2 _- G) |, f3 ^1 v/ [ 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。1 H: Z" O& l( Y& R" ?! U
这里给大家推荐一个 JS 编程基础学习网站：
" N- @1 m/ p* khttps://www.runoob.com/js/js-tutorial.html
! z( Y! u( \9 U$ H- P( {- I
, a1 W# c* T! V, ?+ Q0 H
8 v5 z ` @8 f6 o0 k
3 t* K, M- u, R
2 前端 JS 破解原理6 p l0 V' `! U- ]* d& \ S
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：
& w- Q7 ]! k- ]4 M2 ?9 y7 V4 f
- f4 E+ x" ~& 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。
4 e' Z+ h: r- J& M
1 J! |; ~- `( u3 工具的使用
1 |) N9 V* q& J8 S% R. O- b( V! d 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
q/ F+ Z( @0 x 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。$ |7 v$ B. P. ~
# d. |- C1 K" V: i# S$ z2 \& Q9 i
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：
& |7 Q" t) U+ \; Chttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
0 F0 P1 k1 ]+ i+ W9 l9 J6 I8 K/ I, X) U9 y
3.2 Nodejs 安装
0 W4 g+ y2 E6 j; T0 n 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）。( [6 M* |+ v' Z7 ?) T4 k
) \3 \# b* l2 a) i
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。
* @2 A: ?; f0 Q1 V$ Z
, N, t+ U7 P) ]( ^+ [4 实战练习
) i) B! A) h6 c1 p# B4 y' z/ B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：* n0 O7 O$ H8 F, N: P* m6 u
https://www.qimingpian.com/finosda/project/pinvestment6 |! {) T5 P% H# n' [
& c% S: e1 f# k6 ?( G+ ]6 X( a4.1 网站分析
' c# {) _* X0 B 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。
! {: @' l! y. F, `, U! C; w
! [, I7 |$ ?. i1 w
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。
( D( x2 O( i8 w/ `
1 c! H/ v$ d4 K( ^
接下来我们就要破解 encrypt_data。3 ?1 I. I+ y- Q' C6 j
4.2 断点调试 JS 源码
+ O1 k b) f8 o% [% F- y8 Q 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。0 l, _* o7 z* w
, @& k( x; t3 n3 \0 C& O! d: r 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。8 v3 ~/ p; e! q1 v+ Y6 N, p
# P* `. ?6 K4 } 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。
" a7 E7 N2 o0 d2 p [小技巧：) M# h. Q5 i: ~7 r% m! {: X
1 花括号进行美化2 e( q9 d( G( P) h+ H
7 Y% s' p3 s: e3 _6 h6 h: 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。
/ k" \* i; H& a. }. y. J0 P; X+ X
5 [5 C5 |/ \6 f2 d, B
0 v3 X1 y- Y! Q _8 C2 控制台输出执行结果( V" U: e; N- X) D/ ]
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。
. A; h! Q. d. o5 [
" ` b0 A2 c1 K9 N
! V1 H1 c6 G* z" ^: [ R3 b+ c
3 R6 ~6 ~+ q' A
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：
) V, \- X* G+ z8 e/ d# ~% a
. P/ v9 V* a8 Y$ U( |8 N 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。' r4 }# A: V6 H _2 B: 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。
9 F0 c, o* e# r; b( X% v" t, z 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：* K: ?/ c8 x( H; a( b" v% ]9 z
1 r( K6 _$ ?& m9 T) V. t+ _2 G
8 D4 N+ F3 S' V+ m) N 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
; @; d# B- Q4 q) E9 M+ K
+ A& c: O% v( D" [1 c
|
|
|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
