|
|
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。
% `' p( S3 Z; U3 t4 x1 JS 基础语法学习4 ?: m1 }# c; m0 z5 @ |
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。
% |+ p9 u9 Z* H% n# r0 U- g5 I6 y, C这里给大家推荐一个 JS 编程基础学习网站：
. k0 e+ w. x/ K2 u6 Y1 o/ z3 D; [- Khttps://www.runoob.com/js/js-tutorial.html
9 z8 R, K8 M0 m0 D, O! w% t: m- p5 r
5 r8 D9 J# D `7 |, o* A" O" F3 c) Z% v$ a- o% @
2 前端 JS 破解原理
/ Y T0 ?1 l; t, x& M8 O 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：0 \& s5 l7 c6 H7 Q" }3 X$ {7 e
9 q3 F6 `; R! I1 `; f 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。# o; s& r" z3 i" a1 P+ S& s5 I% i
8 }, {) ]6 f( }3 n, O
3 工具的使用
5 Z- j. |6 H& J/ F" P' \/ 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
) i, k. V+ d* n7 |5 Y" m+ B' H c8 N 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。
* O m# Q) j2 T; S+ W, ^% L- d& \
, p j4 X; |4 V6 S0 w5 ]' T 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：
9 u3 I# l6 e/ G% ^& x% zhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
6 r: j5 P' A: }: \- N6 w
* v& f6 f/ e; X; d1 @3.2 Nodejs 安装2 M! T8 t' ]5 S- w$ F! M
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）。' ^; y# P+ g' q$ j" v5 Q' w. L
1 h b5 o5 u, _, t- x, _- d 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 B. j7 I9 o( h& T; O
, Z2 o, U- O+ [6 {4 d4 实战练习
5 d! H: i: r! F; `5 S: }+ V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：) z; z% a) j; ]; T7 u3 C6 f: o; B
https://www.qimingpian.com/finosda/project/pinvestment/ y( w; }/ q9 K7 t* a/ L9 x# t. C
& s7 s* G! I! i0 p
4.1 网站分析
2 P; d( e, y$ c( N$ {1 m y 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# y& }& J; i1 u+ g. s) K
8 l7 e/ V9 V, b" X* D8 ` 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 N8 b7 N+ v: w: E; \6 d
" l( z8 Z5 s' x0 X0 T L) `5 \ 接下来我们就要破解 encrypt_data。
; Q; Y3 o6 @6 k. v4.2 断点调试 JS 源码
5 L0 D; l# W 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。
) q0 N# q0 d& b0 f4 `+ ?/ G
. U! b0 l' h0 R3 i6 W4 `4 z, M9 u 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。; g% B5 q2 s$ K: h. b
7 F6 W3 ]7 Q+ A1 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。6 U6 h8 [" X" ]: B- Z: o
小技巧：
1 E3 K3 ~- Q6 s4 i9 S/ |& e" ^1 花括号进行美化0 g6 M% A0 |- l' e( `8 n
- N! J9 `/ l' f; w- F0 F w 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。$ ~5 Y; Y7 r" o) y. S% O
3 @8 ~0 c" \$ E; y X1 }
v6 x" r$ w4 w* w& ?8 c
2 控制台输出执行结果1 ?4 ^6 M7 j5 u/ f
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。! V! z1 u# A% \: E+ o0 E
: y/ a2 K9 |$ A2 E5 e4 J; w
/ }5 |5 Q2 w2 Y! z+ {8 C( v* K1 O
1 Y# g2 h, ^+ r( r0 i 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：; e; Z1 H* U/ ^; a5 v
( m+ e+ c9 P4 H. l' o) U# M
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。
2 B L2 @; Q9 Z: f/ i- ]% r, P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。3 N5 Z" S" m2 A5 @% G! O: {' k
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：
4 v/ `" C# M' Y/ K4 t3 N3 J+ X) S9 {7 D+ W& [
$ `$ I/ J) W& W: [) W4 n5 X: ] S 成功输出正确的数据，最后用 Python 去调用解密函数就行了。1 {% k6 ?1 I i, Z! A) X% y
# s3 A+ A. L+ O3 M. b4 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
