|
|
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。
: u0 R, e* c! D6 l1 JS 基础语法学习) k- n3 Q l: g0 Q9 m6 T( ]/ h3 `
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。9 V4 `! Q: j) Q# ]2 j+ L3 ~
这里给大家推荐一个 JS 编程基础学习网站：
9 T. D" c; M+ c8 c' X) ^7 whttps://www.runoob.com/js/js-tutorial.html
1 j( s3 I7 Y. { M5 P. w" t5 C8 J
; D. G2 ?; }% }6 [0 Q
" v0 Z! a i2 K& a
% H3 l4 i- Q2 t. ]0 j* n' j l2 前端 JS 破解原理. E2 u* A p9 K2 `. O/ @, L
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：. K4 U5 B' q( `) O
0 C* Z5 H7 b* \/ _+ r( n; U 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。
/ i* V+ M4 f$ G! A, N1 [6 E
: V1 _" }. }; |' K7 H1 o v3 工具的使用5 V% y+ e2 |: z$ N
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" R/ X/ r6 K8 l1 p) k+ Y9 g4 @& M
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。
5 ?0 q& T- `' M* x+ h
2 f5 n' T7 i& \( }; c8 }& L' [
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：6 h) F) P+ C/ c( E+ p
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
* U: p$ [; j# J/ X2 |# n
2 J8 I& g' ]* h2 G8 B5 v3.2 Nodejs 安装
" b2 ^4 j: V7 @( r& t% g 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）。
7 N; l0 ~1 q5 D6 ~
6 f# E: T/ p4 |/ Q 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。
1 v! M T _2 j4 K
) S5 t* y% m% Q- u; G ^. G9 q4 实战练习0 y6 t+ O1 C% {. g$ l/ X' 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：
3 @+ M8 V1 O5 r* `' jhttps://www.qimingpian.com/finosda/project/pinvestment
& ~% T2 h/ r7 o8 g9 P5 r
! L) j+ F# J( k( Q% r& [2 |4.1 网站分析, A9 N+ D" {1 H" k
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。
7 ?8 Q7 [% O. e3 b* I4 e8 [$ Q
! a3 z# m: V1 `1 y* i
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。
, U$ _% W* A2 W+ ~9 U9 H
3 V1 w2 V" ^0 S: ]/ n; C3 d/ t
接下来我们就要破解 encrypt_data。! P1 A" P$ l5 i. C* W$ ~2 ^
4.2 断点调试 JS 源码; I0 T* O1 O3 }' V; f: 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" I& S8 m. [. d7 P N% l
2 `! N; K% X* }/ W
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 t% U9 M% t1 f5 m; L& P. e% k
/ h& X8 N0 ]- R1 d8 x A
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。 T$ }' @9 a( C* g. o' V
小技巧：7 \, F% k9 x5 Z& ?; a) P/ S2 x
1 花括号进行美化. p0 y; g/ R1 `$ T4 t
& c: d6 d/ x# `( W- b7 f. a 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。
8 Q& l' B; n% e R9 S
* l2 k- [6 h9 x7 A: z7 w& b& P! q$ @" F
) N* u/ X! O: V2 控制台输出执行结果
& m3 l F: J' c2 Y' 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。
# o! o' F, A3 T% q1 G: Y! ]- |# _& n3 c0 a& ]
7 {2 q k. M0 v5 s8 e" p
7 ?% q/ r/ w( S! T6 j: [. J: ^ 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：$ M. p! @# A8 X8 I7 k
5 q- Q8 ^+ B& Z 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。4 p( ~: t2 b1 ^ S
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。" g1 c6 ]6 Z9 Y% q5 L6 E
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：
- W1 g' o5 P' N
3 @7 d4 G C4 z; F; T
5 ^8 S U8 L, I i1 V, `
成功输出正确的数据，最后用 Python 去调用解密函数就行了。$ k c' o4 r& s2 a6 f& l1 {- {
9 }; m) D. S, i
|
|
|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
