|
|
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。) c* l. y, Y) ~5 J9 r3 L
1 JS 基础语法学习
! i; S/ o3 S$ O. i2 \4 I# a 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。2 \6 g# r, g/ U0 M" Y, S7 J
这里给大家推荐一个 JS 编程基础学习网站：
+ y5 v+ G/ a7 w0 e, {4 m7 l; chttps://www.runoob.com/js/js-tutorial.html W3 m# k6 m! L
: M5 p8 W$ i, w7 j$ g
[$ T2 v; U9 E" C8 T" {" \2 t" L$ e" W$ e5 g, ~
2 前端 JS 破解原理
4 U+ U' ^! P' }9 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：# b" h [7 U3 ^
) }% l7 S! j. \, L1 o9 @ 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。" {% Y" [% |" H' b& Z. N
" U3 Q. ^& z4 d+ K8 O# H
3 工具的使用" @3 H+ s& y& ^+ L
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 g6 x: g- {6 i, U; o/ Z# w
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。
) v- \3 ^) @% e# \
+ }! d0 a; D/ D6 F; u8 u
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：
& i0 s, J! v8 i2 vhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn( l7 j, V- T+ s; P9 S! g# l
2 f. y# b0 `% P5 J% x9 ~# t% G3.2 Nodejs 安装
4 E# f3 N3 N# d: v$ M 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）。
& @7 o: ` d+ m( y9 R& }# D
! [: n; |0 s* N1 w9 l! X0 e
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。
5 }3 C3 F+ ~0 W) Q' D) \
- e$ W8 F9 t& R7 [1 Y7 H4 实战练习( y, V9 P9 f8 K4 f; N) I; g
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：
& L, w- T4 v- ]: d& e6 @3 }https://www.qimingpian.com/finosda/project/pinvestment2 ^6 F$ S' m" W1 e; }, G
0 s* v! u) k$ P) y0 d4.1 网站分析
1 e9 |8 D @# S. W1 M, H7 `1 t) P2 A 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。
, e5 _( T7 A# Q" h$ { @! ]. i
1 E) |5 T. C: q- d 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。
[! E; F- V0 b: J& S
9 l' C) \2 i, a5 X 接下来我们就要破解 encrypt_data。% L8 a( H7 A* }' T _2 S6 f
4.2 断点调试 JS 源码4 K" x9 ^* i7 N$ R2 q- Q8 N
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。
/ k& K& w$ |8 g S" {
+ L1 f- v: H) i$ \$ S9 l; ^( ^6 p
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。
( |+ V B7 B1 a
' ?. Y: i- n8 w' ]* e+ Y2 s 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。
- a* J' U! u8 k+ E5 [; `, \' W小技巧：5 U- R, s! w0 @- K7 m
1 花括号进行美化9 j2 l, E5 q' Q" y$ E1 T& x, `
! r: b$ v' P# b' d0 {! c9 j# i1 L: o 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。# S. d1 }* m C
1 t/ v( H w/ e/ r
& F1 r# R& `0 C- e
2 控制台输出执行结果
: D2 H- S" w* q* D5 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。
; y. u7 X9 b7 Q% ?1 K# S' J; e* d9 H1 o! c! ?4 v
- i; u5 u7 }9 u5 J( t+ Z3 X
) m% y# S, S1 o$ \6 n1 M! ]
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：
) }0 O( z3 b5 s
& F8 ~6 \8 d- Q* R: \
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。
- v# S. X+ q& p ]7 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。
, _" l' a+ q' r+ Y9 d, n/ E 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：
% Z2 z$ O c8 Z/ G
: k; ^% }& C! W0 @
1 d2 u. r+ b# ]
成功输出正确的数据，最后用 Python 去调用解密函数就行了。' f1 f8 ?; d1 C/ @
; G) V9 [8 J$ r# g% |9 `* L
|
|
|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
