|
|
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。
" F7 ]1 P/ B! t8 |1 JS 基础语法学习
1 b, G6 y: p( J 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。
' l! @8 b/ u& c7 q- S' h# X这里给大家推荐一个 JS 编程基础学习网站：' }' |: z7 |& v/ P/ @
https://www.runoob.com/js/js-tutorial.html% J! b( R2 H5 ^; q
/ F* w5 V# h q3 d/ O6 _. }
) b5 N6 V8 }4 B, l, G
& C6 S" S0 r4 V: m2 前端 JS 破解原理
* c% o. x7 z2 z$ Y, \ 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：) _; x1 p6 M P. {' R
8 A$ o- V2 S3 Q) Q! e% |% O' m 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。6 ?8 K% K# K& H6 }0 z: d3 G
+ q! \* x+ q$ i3 C( V' b3 l3 工具的使用
' P4 X" g( D% V+ d; a3 e 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
* `* O. S) r$ t( L 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。5 C+ a/ @3 @3 ?3 b: n* f
2 K1 F+ j& h+ C; h3 w7 L9 G7 R 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：
& g- @- C2 o3 A0 Z0 c& D' ` Ehttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn, T: Y: v) L( o
% }3 }+ A' T0 m5 Y3 j
3.2 Nodejs 安装
+ \# W. o* k# g' {4 ^ 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 n! A* r; q6 Z$ p2 X5 a9 f7 F
6 I, R0 b# T. X, M* O 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。
+ A) F6 i+ D' g+ z. g
/ k: B' Z q+ B& t& q9 Y1 u" X; \& G) Z T4 实战练习
1 K- U4 w$ K8 w8 j4 O% q4 W6 L* [7 F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 F: g! o* J1 ], G( p
https://www.qimingpian.com/finosda/project/pinvestment% ^5 ?9 f1 i" ]7 k! y+ w, _
: j4 v: }" l0 {4.1 网站分析+ W9 i0 P& _: m1 x, w r+ D0 f
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。
' {4 D5 ?) {8 i6 z- v$ t
8 e7 ?% k( ~2 ]8 }0 s8 W6 _/ l% C/ D" I 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。6 M$ K3 m" p& S5 s; H/ t; P0 W
3 N# @9 ~: _) r
接下来我们就要破解 encrypt_data。5 X8 s! x5 x8 m: h) w" F4 e+ M& ?
4.2 断点调试 JS 源码& T" Q6 b1 ~' @8 C/ |* ^# L
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。 V C4 v' h8 K: H1 \* W
4 j0 r2 J0 q/ U) B5 M0 g
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。 e$ _; ~9 R% |9 A7 p
+ [5 x, _7 M8 F! A8 U
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。/ m' {1 q1 ?% r+ b: W/ x
小技巧：
6 E) o8 }; E* k1 花括号进行美化( N; @/ k4 X: Q% [& `, @6 \ }7 O; M1 R
4 J: J. [: T! P+ x ~. I4 g 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。- E' W4 Y7 J- r; }
, R# I9 Y. ? W7 [$ s+ t, @
+ G: \, f! J7 P/ S% d2 控制台输出执行结果
; w5 t) l! H& n9 ? 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。
5 t1 @; N7 \, A. j9 K, n! L' _- v% o, n% S, {& E
; t- O0 q; _2 I
! d& A# i' p }& m! Q6 @" x
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：
; D4 U& P; }" _. P; R
" U2 `! ]# j/ z8 N% ?/ r7 K 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。
! U/ x8 p9 w" d$ r2 z6 v6 ^/ |) 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。
& _" n7 Q O! q0 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：
& U3 i( Z8 f% s4 W
, c0 n0 |5 D$ [. N$ V; `2 H# D, ?8 i
' ^# `+ y% B2 y( H- y5 c; A) l 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
: x b q, y. X1 B! T
3 ?: z# a1 h* ~- [3 W/ V) `+ { B
|
|
|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
