|
|
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。
. P7 b0 S: N- B0 a7 v1 JS 基础语法学习' K, ?! {2 s/ y w! y/ H
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。9 S1 G. J' @. y( T# U
这里给大家推荐一个 JS 编程基础学习网站：4 j" G: |+ \, `% v7 _
https://www.runoob.com/js/js-tutorial.html
2 e7 e: h) a4 |; |. ^! l! v* r6 T4 v. W: R" U( y5 T+ I' {% R
b8 I& q/ p/ i3 n+ D7 w
' V! {3 Q' z0 G9 n2 前端 JS 破解原理
) Q! E3 c* M$ O2 T, q; Q6 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：( t9 i; x% \* p. ]3 p
" G: O1 y# v. O8 k! Z* y4 r 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。( ^) W1 R) H2 V8 l
' B* C! w$ z0 \7 c
3 工具的使用
" w. R) j/ D. s. A" I& j; _ 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
: E! [8 o4 s: _ 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。
0 F& V0 A3 p( M7 X. m
6 N5 D4 `9 F! |" e3 j7 ^5 | 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：
t; C; R6 u E! |7 N4 b% X* u, C" nhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn; ?' O4 O! Z7 a# {* u2 A# x% J
I0 l$ h8 @9 C& ~# [, m7 `
3.2 Nodejs 安装
" A6 Z. _2 z" w5 D* R6 ` 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）。
/ ` b0 J9 N+ y' {" U
' Z+ B3 y5 i9 O( o7 k 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。
3 S" U% C: O: c
3 a# t% H" o& I. f! ^2 |4 实战练习
* ?6 L+ F9 Q5 B: b( _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：2 z4 o1 Y6 M; Q2 W8 O) r
https://www.qimingpian.com/finosda/project/pinvestment/ O2 c! [: c' o! D8 G6 h
. L8 I% \: G" u! o7 r0 c! L
4.1 网站分析' s' F' g9 W P
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。# h, V/ H2 |! |7 }# K# M: w& p" @
, Z% A, S/ u& y% o: x* _: V7 o+ `
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。
7 o2 S3 g% J( F4 ?
: p$ g7 `3 f7 x0 {8 E1 O) S
接下来我们就要破解 encrypt_data。
5 u2 v, ^( Q* w6 C! G2 X9 B6 X4.2 断点调试 JS 源码; I9 d# z! r9 u: C; H* ^) r
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。 U: v0 h, J/ u0 p/ |
/ e# w2 l$ }# |5 C2 k 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。( Q0 l4 P3 m" `+ E0 ~
" m; o7 {% {- z; S9 n6 b0 j 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。
- S. x0 s, J% N n0 q小技巧：
& N2 ]: r( d# A0 {4 d- B1 花括号进行美化
+ q- L4 T. [0 n
! X: @3 J4 w0 `* ^- y: } 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。
0 f7 d$ ]! S1 s8 y5 C
: ~* U3 b" V3 _* s
, V4 `2 {, r* S) t" `# c
2 控制台输出执行结果5 G/ `# B D1 I+ G6 `
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。
% u% \2 L; a- R* i1 w. a
+ R. H; h+ \7 Q
+ W/ \) _* ]2 ^( |# ?
/ V: S) Z! R/ S3 w3 y% O 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：: F7 [4 Y2 r) h/ |2 q$ b
" K' V/ l2 b- U; U
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。7 I. _; ~' z# g# K. Z% M( q
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。* E( c7 ]! Z( _. Z0 S/ {& m; a
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：
. }% x- l% [% C7 m( z4 L3 n3 R* \. x3 T N5 d A4 V
$ C; [1 g% X9 i$ C1 p0 U1 u) {+ y
成功输出正确的数据，最后用 Python 去调用解密函数就行了。8 S( H, f1 o3 V, t% Y6 Z0 @
( J4 M! J; W# p9 R |
|
|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
