|
|
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。
6 d9 T; Y |3 M# w1 JS 基础语法学习( v+ V z% d+ b8 j
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。0 J1 T8 W8 \3 A" D* {1 |9 e
这里给大家推荐一个 JS 编程基础学习网站：0 ]& y, u) X& o, r3 }, l# i2 w
https://www.runoob.com/js/js-tutorial.html' D6 ]$ T2 P/ M( u' E5 ^- N
) N. F( Y5 z/ _# v! g. ^' x1 w# A
8 L: {1 i/ ]3 Z4 w+ H
5 X9 n8 j" H8 K' u
2 前端 JS 破解原理
1 D+ ~5 W, `* o/ k, ? 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：$ \; e/ G8 u* z& p
N' a9 F1 i! @1 ]7 M
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。
. S% W2 f. S4 ~8 |7 V; S
1 A" Z, o( x! S3 工具的使用 l# r( l1 K% [0 C8 f% S! f
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
3 O4 {1 d, |8 g. `1 P 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 `% {! d3 W7 B
( Z% X& r, Z* S 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：
2 } W+ {* ~6 m0 F. yhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
- ~7 K5 S, Y0 W6 u8 T% C3 s4 b8 M% q; Z- S6 }1 `! i" @, D
3.2 Nodejs 安装+ [' q' w- p- h. U% u$ }
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）。
- o5 \" s5 E5 @$ d
+ T8 D# g& ]. v8 I+ i& K% e7 v 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。
) Z3 c4 W5 X, w: \+ {8 N' P! B: I- O
4 实战练习
. _; i4 q6 D4 R# N) r; u( }% O* 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 G- t' G7 l7 c7 M% w5 w
https://www.qimingpian.com/finosda/project/pinvestment
6 p0 c7 ]" O. U0 H4 O5 l& W5 F- ]! |! a( F
4.1 网站分析/ Q; c$ j. R) B8 Z, S, D
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。
$ f9 }8 |; e/ @
# w6 S1 F) k. U% m7 |, U 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。
. O( l. O: N, O, [: e5 _2 R
- N$ x2 g* R; [0 M, ^ 接下来我们就要破解 encrypt_data。5 A; o5 z1 \3 S& v
4.2 断点调试 JS 源码
" V" x! L( Z C! S3 J) Y 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。! i) o6 l: V! ~: z) N( Z( l7 g! T
+ ^" |+ ]0 R8 F1 D$ 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。
9 ?* c! O& V7 P# Z
0 |! [4 w2 a; S 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。
8 t- P3 B& |( q" c; g" e小技巧：
: U$ R. z! A3 G1 花括号进行美化
; W* k6 C1 y. [" }* P% S( z$ J
1 i4 N: O4 z; @" V4 R* l: J 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。& h( `, o8 v+ i8 w$ W5 {2 S
5 T# c5 S0 Q x; O& A
& Z4 E/ G% S+ C' d- ^: e
2 控制台输出执行结果
( A% k. G1 I, { 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。
% Z+ V2 O& K# Q
! }+ @9 Z/ e% ]- E/ X8 P2 ]
! R/ C% b" N4 F) {( w
! `4 S" t' ^1 J& T! \5 L$ e" [
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：7 o$ A9 z2 _ j$ K) I1 b
) O" { K3 v: J6 m% 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。6 G5 E. c: l( H D7 s/ C
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。
: I, |; d9 k% y6 D; Z 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：6 ~7 V& {9 m2 x: A
: B# z" q& Y) ^6 T" X, P
& Y( I" w/ J" V# C, U 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
" \0 E0 c5 V- X& \0 \, V2 E
" G) w" B9 d) T |
|
|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
