|
|
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。
. `. o$ m3 S O1 JS 基础语法学习
% h1 y. r* W; F6 V* c2 M& r/ 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。8 V: i2 _. K+ G3 k
这里给大家推荐一个 JS 编程基础学习网站：
# L; D6 L: i) T: `$ Ihttps://www.runoob.com/js/js-tutorial.html
C6 v( A9 h( V6 G- u- p* g% }. `, b+ E
; Z! V' l- C7 z
2 ^1 U7 b6 G- U% I t' d4 W# F
% W, X/ g& a: B4 i' K5 L7 G2 前端 JS 破解原理
4 Y9 Q5 s6 N% x 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：
4 s5 N% U! i2 }" K( P" f
7 `- t/ n3 ?" v$ I! _+ k 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。
5 @* a" i! N3 s" X$ `9 A
1 q% S5 |: N% [: t% i( H! R! ]3 工具的使用
, s4 o3 R, v6 M6 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
% S b' r: g; P- R- |+ e; z 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。
) Y0 m6 R! a8 k" R! J
4 Y+ R$ ~2 B7 T7 m& k 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：
" J8 M) J; B# r3 c$ T; ^https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
6 O/ W" T1 v8 a9 z2 t$ a+ ~: `, a& f! h$ q- V7 ~9 g
3.2 Nodejs 安装+ b9 Z: o. P+ K8 f$ 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）。
D, b& L3 G: [; m( @! M
- `: A3 v2 z4 A5 S4 Q# N$ 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。
`, \4 k: `0 J/ N# @5 f! ]: H; C" Q4 y8 F( y; d4 w
4 实战练习
, k7 K/ w8 W2 c6 `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：
* g! M1 }5 i5 `: K. k0 ehttps://www.qimingpian.com/finosda/project/pinvestment" S# n* c4 l' u, y, v1 Z7 M _* @
& N' n! L5 } ^7 U+ q
4.1 网站分析
8 Q, R* K/ e9 A& g7 r; h) U9 V- F- M 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。: ^0 S1 F% S3 G
- `6 p. {4 I( D2 t; `- 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。
2 w+ o1 F$ @1 N0 }6 U0 K
, ?) ~& }+ Y) l9 `+ \. | f& m
接下来我们就要破解 encrypt_data。
, B, ]2 Q7 b% n' D2 K W4.2 断点调试 JS 源码" r( O1 U6 [) g
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。( Z/ h5 ^3 N( S( A
( i6 i' \9 g2 F }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。
$ h2 \9 m) t( W! N9 M
, x: T1 G( M! s/ [# 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。1 }% y( [0 U; T" H
小技巧：
2 ~( d L. Q2 Y, S) J* j1 ]: u1 s1 花括号进行美化
i0 j1 q9 }3 b* R: b, F
2 G4 x0 ^% L4 x8 e% s- K 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。
! A9 U- ]6 @$ R( N0 \4 C$ q
% L7 p4 I3 t. j9 U; @: T
, K* O! v. r2 ?; E
2 控制台输出执行结果. n: L% l3 W+ |. {4 |, C
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。( p+ F- p0 B. ]4 C2 s
5 h% Z! z8 \9 f& M" K2 ~
p, I; `8 C$ @! `: O8 P
* w! e" d8 z" i
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：
) j: V+ M6 e5 e8 d1 j" e! i
0 Q3 \9 j% i$ y2 N. p 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。
7 v# H) {7 i% d( e8 k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。+ S. T6 b' X5 x0 S
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：) B5 P+ o8 O2 [7 _9 u
1 P- r# x ?5 {! F
8 `7 F$ E, E. R. i% @7 H- h$ a 成功输出正确的数据，最后用 Python 去调用解密函数就行了。# x0 L1 t& d2 O9 F6 ^
8 X1 ?' i9 Y) `% J# x+ ~# \+ j |
|
|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
