|
|
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。
# D0 R) n/ v4 Z1 JS 基础语法学习
1 w' }9 H* y$ g4 k 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。
+ s. j }; O4 i) f* c6 \+ ~" h这里给大家推荐一个 JS 编程基础学习网站：
' Y4 i4 }" @3 R7 ]+ X3 Ihttps://www.runoob.com/js/js-tutorial.html
6 Y4 D0 v1 L2 L
2 o R3 k1 w% A3 |7 ^
$ w$ w1 L1 _- w+ f; c. t+ H9 D/ }
7 W4 A7 L+ [# O, L7 S6 D2 前端 JS 破解原理
7 v" N: P K1 \5 G+ F& ?0 v 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：
% S8 G! B: X/ h0 a/ R/ l z
N' Z7 i' X' X4 c7 Y0 J0 h
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。8 q4 c9 j' u9 @" k+ B: V( M
0 Y5 f* h6 y4 [$ [; A3 z/ v
3 工具的使用6 N6 @ @9 p7 ~
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9 U$ C, R! E* Q5 }' W' w2 ^
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。
- \1 o. p# {. s: ^( {
% [4 D0 d2 i" N( m
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' D: X l$ `4 f
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn, f- _7 d' Q% t. K i, f2 {& d
& C4 c; l4 V3 ?- n
3.2 Nodejs 安装) s" z3 f( B# Q& r' K5 ]
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 i y$ i0 d8 j
8 J! m8 X' c0 F1 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。" o; E4 x1 G6 _4 Z" S0 K8 [
T# \. H- A1 V$ l! D4 实战练习( p) L4 a+ K+ Z! W4 E. A
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：
8 _+ ], i0 E. y/ b: Ihttps://www.qimingpian.com/finosda/project/pinvestment
2 e; G2 i) n( S
, c0 }$ g: I+ I$ W1 C+ a4.1 网站分析( s" s; I/ G3 e) D A' e& h
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。) a: x) S- X0 Y6 k, H) G# R
+ ^* v& \) @* q& [# R. m) y2 W 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。0 T2 N. ~7 J" L' t( Z: ~( q
; F+ o) Y9 e5 F9 y 接下来我们就要破解 encrypt_data。
3 s9 s! S- i& [2 l0 }4.2 断点调试 JS 源码
; }" Y8 W5 {. x. i. o" F" L; ^" ^: ?; I4 | 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。6 h( {' Q' l; x# o2 q# r
2 x9 T6 R* D$ N _* o5 R) u, A
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。
$ T" {6 ~! P7 ~) o) Q4 Z
+ d; S6 x8 l" C0 Y9 r" F
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。
5 g+ g6 g9 _+ {$ d6 F小技巧：/ M" J7 U5 `* D, D) m
1 花括号进行美化
7 V$ e* b9 a( ^0 Y4 `1 G; C- |: i! k2 ]- A/ N
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。4 V0 M" z; M9 H9 ` E4 u/ L U _4 d
2 |- b4 ]0 o; Y8 ]. E: y$ ]/ W+ s2 I! s/ |
/ E5 u# q( p. [; v' [4 c
2 控制台输出执行结果
3 K& ~1 Q- Y% q8 k g: \ 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。
- e6 Y$ L$ U; [5 C: b4 A* S6 v( C' E) Q, H, \1 w
# ?3 Z% k* M. _( ~
% y& k# X( _9 F5 g( ]8 q8 q; \6 V5 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：# h. I) O6 y5 j# f6 z$ \
6 G/ Y- X1 v0 L 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。
% o( Z7 i) `) X. \- [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。% Z: m0 J1 V5 r' m! [
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 _/ x* T: x L8 x/ ~3 V5 O9 |- y2 x0 C+ N3 z$ s6 [& b1 ]
) v& C5 `6 g0 J. a6 t# S; Y
成功输出正确的数据，最后用 Python 去调用解密函数就行了。9 h1 A) Z/ Q6 B% l% _
$ @( R3 y5 l4 L" D) t/ F
|
|
|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
