|
|
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。
! O8 |! G" w* L. m3 y/ C5 t, D1 JS 基础语法学习0 `" y0 W$ ~3 o1 k0 C# l& T
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。
D+ r0 v2 ]6 ?0 Z( [这里给大家推荐一个 JS 编程基础学习网站：
( J8 \* o! S( W! w0 Q: J5 N; P- Ohttps://www.runoob.com/js/js-tutorial.html
6 [' l7 f. {6 g$ I3 ^9 f. B( J8 G" E7 H: d2 n2 j! r$ F
0 i5 D/ f$ V8 P6 ^
g( V: x- D9 n" k: J1 a5 ~: E9 F: u2 前端 JS 破解原理
2 U1 U1 U4 [, h) H% } 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：
: m ~$ \! T- X
) m" j! {7 ~! y0 ?
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。. A/ @6 o. |" w% h5 \) N+ a
: o; P5 ^) k# x1 j5 ~
3 工具的使用* z2 T. u3 z+ H0 R) G; \, D. C
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
; f& p# ]6 u. {( R 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。
6 S5 r L4 x$ S6 `- g% v
$ L# d* y: k0 O# r) N# b) a 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：, l' f$ @. j1 u% B2 c* w
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn3 K& _6 @7 s6 [* q
; w7 z; \) G3 [1 g4 d
3.2 Nodejs 安装
) d# k+ P# } @4 D 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 s( m+ N3 l+ ?3 A
/ Z4 B1 E2 }& ~) c/ `
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。
; B! H0 ~% {1 _: a9 e1 v+ b- ?5 O" v0 A! i
4 实战练习
; N- J+ D4 w( B$ u+ Q* u8 |0 p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：
- y% q3 g3 [* c$ Q, X0 M7 z2 f* Whttps://www.qimingpian.com/finosda/project/pinvestment
! L/ z, _7 F$ U2 f& e# {2 i& Y" o/ u, V/ z( c
4.1 网站分析4 H) m! Z- P3 U- N5 Y8 ~
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 I, @( j4 w, b' \1 O
# c& o# M( Q% j& n S 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 t1 d k! p& ]" w' A8 w6 }) R; k
% V- y# b/ X( b4 N, [
接下来我们就要破解 encrypt_data。
0 j* }5 X: n7 Y& I" R4.2 断点调试 JS 源码
T2 a$ s1 S& u4 M# E8 Z' E, a1 L+ P 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。
; m, k; e3 u4 d& ?* T& V
$ H; m0 \1 j) Q4 h" P0 w; P$ U4 c3 I 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 U1 v! U4 T7 r6 D8 x- q* H5 t
4 l) w: s7 [5 i( B$ L 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。) q2 M! ]4 R: L# k# f; c% E& k8 @3 z
小技巧：
# ~ u+ Z( g3 x6 R% r1 花括号进行美化4 C U1 i/ ]7 ?8 m) ~
( l7 x$ |$ n! R5 W1 j( r' y4 `8 @
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。" h3 _ L: `6 m1 ~' P7 ]0 A' x; d
& _4 E$ | C0 }& m4 j( S L5 n
% Y( R/ A( G3 I- Q) k" [! a$ C( {5 A
2 控制台输出执行结果
9 r( z' f0 ]0 l: \$ h1 ^+ m6 H9 h 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。# o. Q/ S1 x0 o. v
% A1 e+ p. G# Z2 p- O* a
4 V! A) G9 j6 @4 d2 ?9 K# F
) v' ~% p) K: Q0 t% j2 p& e 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 r& e$ p2 V8 h$ n8 u& C6 \8 H- e
a P [! p) G- r2 i8 W' w
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。 ?/ J7 ?) G, x. p5 D
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。/ i, y p5 I+ 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：
" U/ A' E: |! z# S4 P9 ]$ j
# F9 d% P* p! t( V/ A: T
o/ i3 m- F' T5 p
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
( \- `( d$ v4 t( f
8 g& ]* _- h- l* c; h8 L( q* _/ P. 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
