|
|
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。
! F' z3 O1 H$ W7 p# U1 JS 基础语法学习
+ H- _4 H( H9 q- D/ H- G O* ] 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. e/ I* {6 d) X( T: h7 c这里给大家推荐一个 JS 编程基础学习网站：
1 I8 ?2 n+ w) w) f s. }1 xhttps://www.runoob.com/js/js-tutorial.html
8 g9 ?! ~% \) T [" v
; p7 u" J: a- K' i% W) H
) u5 Q/ K; G" _" O5 {6 W
4 Q# W9 W5 w0 e7 a9 H- j" y' P2 前端 JS 破解原理
1 a" U3 W4 Q2 U; P2 l0 {( M 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：
' I/ y3 t$ I, m1 E ]" b# r2 e8 ?
6 g; f% R) A# b7 r6 c 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。
3 n! u5 ]1 V9 e$ a; y0 v
! D9 z" B" C4 P3 |8 \8 s& A& C3 工具的使用
- `7 b2 Y: u, {% N2 i 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
# [ Q* k+ @% O+ l( q7 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。
) Y, f6 P. F& G7 o- N q1 X: j
6 b2 B8 c z( G
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：
# W6 @& G8 e2 J9 H& G8 [/ `https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
1 x3 H0 K3 Y$ n$ x2 i: {0 ~% _ Q! }: y% p/ Z7 k
3.2 Nodejs 安装' L5 {1 Y! ?: \! M6 a" o* G1 |
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 [5 @9 E* m. h! u
$ p$ t9 t1 `6 {8 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。4 P" V! o0 y. M" v/ l2 a7 v" l) ]' ^
7 _, y2 x7 B2 P) u4 实战练习
P5 {7 H& K" B' i) W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：, ?4 l5 n' @# e9 `( Y! y
https://www.qimingpian.com/finosda/project/pinvestment% [7 Q4 ^ h* H N* K j0 i/ L% b
# E, M1 c. D* }1 F8 z; H$ `3 Y
4.1 网站分析
6 Y4 n, _, _) L; v( k* j5 o* { 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。
: L# f) J! d' p+ X& ^& Y( ^. G
- M3 {% u- G/ h2 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。
- ~& x! _& a: Y
5 l5 M. B; u! v5 [0 L
接下来我们就要破解 encrypt_data。- }- C7 \9 N/ G1 V; [( o
4.2 断点调试 JS 源码
/ k5 I, a% _7 u% F$ c" w" `2 ? 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& i) {. e0 F! ^- G
) H2 A5 r; j3 U0 |, j! N" F3 I
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。" E3 t# ~' ]0 V, ]" e
# c) n; R6 ?# x* v. B' P! P8 h( ?
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。
6 ]/ N- N2 J% ]$ q1 e小技巧：
: `4 ~/ v1 ` P4 ]1 花括号进行美化
9 {# h Y' G# H- A
% Y& [6 u$ \8 ^ 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。, h8 b5 X0 q' I& e! N+ X- H8 }/ S
5 \1 v( S$ F6 ^- o
! x+ u1 t3 J/ p1 U, l* |3 D
2 控制台输出执行结果
: d4 g8 ]! M/ D0 O 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。- L# F# T9 \( n+ G5 F- T
: ?: E' l9 [7 x7 P, U2 k) J
! O8 I% K- S& N' B1 b* |* H
! m3 Q# O z w 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：# @) Y; b. l; c' m
9 K* L) |1 w! _ A) Y% n 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。
0 k8 y9 d4 \# t3 p- ]' v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 w/ ]( N6 i4 h3 S' L) ~# S
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：
! w0 j3 P. i6 J6 A( ?: Z% v0 M) j9 S; l8 K! w' T7 [
4 S# C- F" a' m. D
成功输出正确的数据，最后用 Python 去调用解密函数就行了。: L5 I0 |6 e9 S* |+ ^# K
4 ?$ I8 q' A/ g7 b6 t8 x6 z |
|
|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
