|
|
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。
) D9 L: x: g, y. Z& A+ d9 c1 JS 基础语法学习
5 u5 S: m1 ^% e! O1 B 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。) p0 C2 u6 h/ e" B f; I1 b' B
这里给大家推荐一个 JS 编程基础学习网站：9 w. U3 R# E" _- j# D1 Q
https://www.runoob.com/js/js-tutorial.html0 c7 G2 s* _0 v3 I! @* p4 ?
% Q! S% O- o, U6 q& \
3 y3 Q- ^% t4 k6 g4 ^
4 Z+ Q' q4 C0 e {6 B+ E2 前端 JS 破解原理( U, r: s, ~+ D1 `- h
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：
% g' w9 T, }+ q0 |9 d
6 R# b5 S$ h* R7 X3 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。 m, a" S5 s! g3 ~
+ r0 k& ^; B; H6 m& `9 z3 工具的使用( A4 x, j( }! V C0 h) ~7 }/ R; _
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
+ H0 W u0 j# g/ a8 J2 d; ^0 O 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。# ?' P$ [. I! A
4 A5 L1 ]6 i) 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：
- B! c5 f2 t K0 Q- yhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn6 b- ]! S5 u9 W0 o5 Z- A/ t4 Y% u
# v9 M* l6 p' q* `3.2 Nodejs 安装
' L) g/ O# Q+ e6 Q ^& G" \ w 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）。" u- W3 {9 R! G f5 {
6 p8 _" M0 i6 O! y2 J; U 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。
0 j+ m* Y/ T6 W4 h. a& k
9 {: G; C0 i- d% [( A; h0 X- ]4 实战练习
& g1 Y4 G0 J* j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：
( ` v; r( ~$ u, ]* v7 `! T: Zhttps://www.qimingpian.com/finosda/project/pinvestment. s! d' c2 Z. j; ]4 j# P0 F- V
% v$ q2 X+ |- ^: `4.1 网站分析
' N* }/ Q6 C1 M9 m& j& N0 F) }9 @ 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 i+ a5 g- h& e9 Q- ]0 h
7 ~) D. R5 U$ W/ r$ E: o r. k
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& }* Y ]1 m7 E
" v8 F) r$ [* C' k
接下来我们就要破解 encrypt_data。/ |5 v% V/ P" O w% z, n4 f
4.2 断点调试 JS 源码( {) f5 f* Y! X* u: \8 g0 B
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。
$ Q" D* O% N d. E! \0 R
( v% b1 W- u5 w6 b! k% l& i, D9 } 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。
1 g5 U1 A7 C. H9 G% |( W, t7 t4 M0 p
5 @0 ~, D7 u6 p/ H. H1 j" y 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。
3 W$ k7 u& a: w5 a9 k4 [小技巧：
! ^% ]& b' _# V& F1 花括号进行美化, B1 S9 D4 p. x: U: F
' N; k3 X2 E a; A, q3 ?
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。: f0 ~. ]6 v% L$ @
! G. `' i. i* ^' y
+ i3 a$ K8 C) H1 E* X; L2 控制台输出执行结果& R2 S1 o. x0 @. h* b
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。
3 s0 o2 R3 [9 `' e
: f. [* @7 L( P( _' G. q# T! e
/ S5 C3 K! @" B* W# ~
0 f5 i } X. c' b: u6 k
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：
; ?. J" z' |: e4 R" x5 P1 ]( |
; {& k3 _# ~5 d" d) W
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。
) E9 ]( d, |* z! @' m* j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。( m& \( r; j5 U( C/ _
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：1 w$ G' r' B* u# L- s" q2 h, w7 s
6 P# S3 y+ Y1 k5 [5 J1 k% C
, l6 s D' f' V8 Q# D
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
) B6 z. e$ D4 l9 a2 U! I* w- E
6 r4 `4 {, {. S1 ~1 Q! u9 {6 E
|
|
|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
