|
|
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。
) ], z3 m2 F5 i1 JS 基础语法学习
" w/ O4 @6 a* C% |7 c- Y 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。
! j2 e7 D- A+ l# P这里给大家推荐一个 JS 编程基础学习网站：' l2 U7 |# c {2 q
https://www.runoob.com/js/js-tutorial.html
- N4 |, R. _0 X" x& }+ n1 A9 f( M2 [% d) e( P e) J& F; q- _
2 u8 w# j6 L2 o2 t% F# E* ]- C- m
. s4 ~7 b- G O8 s2 前端 JS 破解原理* |. k2 Q n# t1 A# n
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：6 b1 o% ?! X) g, I' b$ I3 }" Z9 O
/ w7 B* e3 u. A) T
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 }& ^" o/ |, F2 F* l+ r& }! a7 l1 V; t
3 工具的使用 g# A; h# f1 ~! t: A+ h& ~
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
# j0 `9 u, F7 V0 [5 l% j 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 s3 o0 n- e1 M& u3 E. s0 o4 v9 H7 o* U
, V S; [& [& |6 L" j 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：
$ B7 Y, |0 v( B) M# l) jhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
9 \# I6 h, B2 {2 D
8 G1 j$ L' L. c) s9 J; F8 M$ Z3.2 Nodejs 安装
- S: R- m3 z0 d, e6 }) A' }! V, 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）。8 A! O/ @) G/ [5 b3 o
) I1 ^4 {" ?; d0 i: r
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。
# A7 m$ w+ R4 v6 ^3 B' V6 n/ v4 |6 v" q0 @2 g/ ~
4 实战练习
h* b8 [& x, N7 \4 j# [7 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：
! O: ^6 G! h9 s8 c. [https://www.qimingpian.com/finosda/project/pinvestment
# k, {7 j a x" U% Q) I5 e
( l1 w7 _+ \+ j4 s- i- F m4.1 网站分析( v4 }. n2 \& w" A* z$ O$ M3 P; J! j
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。
j" m/ J8 e% y' L# P
9 I+ x# ?: ?2 _# x 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。/ g2 t+ i: p2 ~
9 L. j0 o( j8 g/ q6 H/ I6 j5 I 接下来我们就要破解 encrypt_data。
1 E$ k. ?+ w; P7 k: j4.2 断点调试 JS 源码3 S" m$ @# r% G5 g" 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。
+ p" f5 M( K' ^; ~: b! Q6 M- Y# a* I
# D7 d9 u9 x5 `* t0 e4 G3 R2 d
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。
) O& E# ^/ P6 S9 B- c2 e
' D' \5 S/ r! z& Z 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。9 z+ f( ^0 Z- I1 O! i S
小技巧：; n! j% L5 s- x* Y5 S; @7 D
1 花括号进行美化
- O7 s# W; v1 }2 f: u+ F& Z) c `) j! |; m( p4 E
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。$ l7 ^) {/ P: [/ I( n5 A H+ H
7 P9 F6 N4 J8 ]
- t6 G7 E0 J* B/ A2 控制台输出执行结果
+ F2 T0 g% V* G2 p 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( P' i5 m9 e" n! r+ Q
/ U3 Z9 Z0 _( D: X
4 d, p5 T/ a$ w% [
9 M( o# p% |8 y
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：
; `, @, p2 H! U7 ?; C% ~3 o7 m# s
7 g5 S1 r4 e: ^1 \5 A! a7 |& t
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。' Q" m7 U5 Y2 s* w+ V7 R/ c
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。6 J5 \" R# a3 u6 h" x
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：7 l( C/ z- m/ _3 a0 ^+ `& L
! Y5 ~/ N8 Y3 A; b6 H6 n: ?$ Y( \( X
6 F4 z8 Z9 {7 H6 h3 I4 d$ Q* l$ i
成功输出正确的数据，最后用 Python 去调用解密函数就行了。+ j! L0 u" M' |* c# H
; a/ U h7 o8 w" D |
|
|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
