|
|
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。
; {' n' a. j; i/ q/ b1 JS 基础语法学习$ _2 Y9 @* j7 T( w
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。
& Z* \- B: g7 X, ^0 y这里给大家推荐一个 JS 编程基础学习网站：
: Y" j* F- ^$ bhttps://www.runoob.com/js/js-tutorial.html* `, F- T. T1 ~3 Q0 M
7 h. k* o0 B4 R3 p# f; q
0 S- s7 G& a+ m! ?& o" [' |+ x0 a# A8 J( p6 p: L8 n
2 前端 JS 破解原理
3 n9 l) P/ S- j3 j& E1 @. ` 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：
w' ~ S2 q1 Q! P2 { s
6 l$ m+ l& M/ z1 r
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。6 S/ l; v( U$ y$ g7 k5 I$ J
4 u9 `9 r- O, O" H( d3 G3 工具的使用
1 B. e7 Q% a& X# K J# Z 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: k( }: V. Q8 _* P2 [9 N9 G
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。
+ B$ S9 H. Z# M# ~# c( ~2 ?
! S4 v& Z. e, |+ x 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： D& i6 r ^9 n
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn% G: D. h% h# d( [; V
9 H5 l0 t1 g# h) G' R
3.2 Nodejs 安装
7 C1 q# f# E4 Z7 w. z* L, B 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）。
: G+ G* @/ V+ m
C- A& s7 c: G$ M 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。
( F2 [7 p4 p' m3 w0 }( y; d5 [2 h/ J, ~+ a
4 实战练习) b& i, \/ `$ j+ c! g
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：& T3 |9 t7 E4 p: r! ?) P
https://www.qimingpian.com/finosda/project/pinvestment
8 [7 m8 s7 j" F; h) |7 ]2 C, c4 y! P
% i1 u+ o/ e4 ^0 A4.1 网站分析, I9 t2 c% G* o% v! M, [
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& S" {: D I
! Y O& t7 B2 \7 M9 m/ q- G- @
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。
) F: I+ p, H' R$ M# s/ o9 y2 r5 c4 G
; A, e2 J- l9 ?" [# L- F
接下来我们就要破解 encrypt_data。
) \1 h. U1 z' d& }) S6 \1 W( m% s4.2 断点调试 JS 源码9 X, w5 u* E. L, C; O+ |% d
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。/ ?4 w+ f6 V: N T
8 q% o# _8 O8 p( l( K2 M
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。" Y: s3 R) J' G& {/ N
! a- S h* s2 x4 X2 s$ 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。
' f4 O, W3 o& b, e1 Y. L小技巧：8 V& y) Z: y. A" S6 W# M/ r0 p
1 花括号进行美化3 G9 a/ a/ y/ j' Y% Y! f
$ o8 @! T% X0 J( d
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。
' B* f% c& V1 r& h
' v2 a# }9 Y/ r9 H1 B |5 x
% v/ c" _ a8 B7 R+ y6 g2 控制台输出执行结果
7 j9 \' Y1 w9 d- d5 L. E 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。
0 @ `5 V: x: g" k. L
; ~& x% X4 |- v. w5 ^
* W3 J# d/ k9 k( _' ?: u
/ p6 M- ] ] Z( h5 C( O
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：( S- t5 D. o0 G. W0 ~+ K% ^3 X; T
$ v% d" @% v# 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。2 D0 e$ {4 t% R9 k3 V8 l
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。: `% E$ D) B. [. Q x& {
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 T3 l: `. \) Z
# Z5 S8 i h5 _, p( _
, R! a/ \( v+ u" V- B8 p! T 成功输出正确的数据，最后用 Python 去调用解密函数就行了。, Q/ B- F- X3 W5 J9 `) }- P
) K# j/ |! X5 X3 G |
|
|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
