|
|
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。
8 c4 g8 o$ l, }* ]4 l8 U2 ]# ^1 JS 基础语法学习% m9 r- c9 ~8 G: d/ g# G. ?9 q, r
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。
) B$ D) c4 R+ p( Q g! t9 b这里给大家推荐一个 JS 编程基础学习网站：
; v! W/ e3 H$ S! ]& x3 Chttps://www.runoob.com/js/js-tutorial.html7 t: \, D& Z! [
& y. z1 B* l* x2 i9 z
6 R$ T5 [9 |9 I3 L( |, q/ R8 O9 n4 j
2 b- } }: C! v+ [* n
2 前端 JS 破解原理
! `! R4 R! C( l" I4 @7 ~ g 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：
n# J+ U0 t: ?0 ]# p
4 H) D0 {+ d& ` 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。# J5 r) t$ D* x* [
. S1 J8 m' V8 T, ]
3 工具的使用
, z9 Y6 z7 H( F/ b9 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
9 _. l2 e+ ~- @6 A2 y6 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。8 b. R* L) g; e* M
1 `% q' a- [" 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：
; Z( x j- v; f8 v, ~https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn" H2 b* j" j$ z
$ G ?$ E* a5 F/ Z) ~9 U3.2 Nodejs 安装 n' H/ b5 m- R9 \
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）。2 l: c! p$ c& M2 o. v6 ^
* m. g3 a. q D' 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。/ O8 ]: I# P8 R8 C% g$ \
6 p8 n4 Y% c, s1 g. x4 实战练习% e+ X) B8 K& J4 J d7 F* r F6 ?
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：7 [, H7 v9 w; L7 V
https://www.qimingpian.com/finosda/project/pinvestment
) @! M6 J: m8 [/ g3 u# Y
6 |9 i! O7 K# Q4.1 网站分析& f0 \4 q# `( Z% l, W
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。- K" D/ z' q/ O4 P" v* n
: g8 W' }, \1 I: X6 r3 ~: K
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。
; \- n: u" B9 Y; q- F) S& Z1 ^
6 Y' }$ O- ]6 n: O$ y8 G 接下来我们就要破解 encrypt_data。
% t! b6 F- U) d* n) v4.2 断点调试 JS 源码
4 G+ H) F6 T( 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。9 e I3 [0 I5 e% }3 d# T
3 i1 _& n( r6 o 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。
! T7 N, y9 |1 u
* }: h4 x( \3 h! Q
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。& N$ R" m1 n/ p. j
小技巧：$ a/ b1 ^! s: V# w
1 花括号进行美化
) o3 ]4 V2 ~0 p
6 y2 k4 E2 ^# f$ t6 j 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。5 w A& n( l0 ~1 G+ ~* V
4 g7 Y* x( r% E ^ N
$ U! _5 D0 Q7 \8 h; y2 控制台输出执行结果
3 f% u/ \5 L. z5 F ?5 B 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。
" K7 R" n* w! h ]4 J8 n1 P
$ F1 v- l$ ~5 S1 m/ H1 B2 @
$ `/ s1 M; N. E, Z- p. d
' X, ~ h+ p+ j5 e# b3 B' a @8 @* u9 c& 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：
" R+ A) J8 M& E N/ j! a7 G
8 f% A6 M7 U# e; {
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。
# g" X9 e& c8 j1 T& u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# ^# q7 q( m9 w
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：
% {; H' a8 k' h/ X6 z" M* n! d' D
1 r: t2 s7 L& v6 {4 \. M( I
! v7 m% a: d. y1 p2 @$ u. e 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
k: _: t! p6 S2 g1 [
: V5 r9 I* e9 P! V! i( f
|
|
|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
