|
|
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。5 J, b4 F% R8 l( Z: K* X4 q
1 JS 基础语法学习9 f- w1 T; k% N; L7 j( A7 v
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。: M6 r; C$ K9 }& y% ]
这里给大家推荐一个 JS 编程基础学习网站：
4 \$ d d; H0 W# \! thttps://www.runoob.com/js/js-tutorial.html
1 b* l4 N! G0 |4 p8 J. _; ~
! V- i5 j! O: w* n% E6 v
3 ^! l+ A2 L: x- Z" q& [+ I1 |7 P9 }& l$ X% ]3 }# I J& [) p
2 前端 JS 破解原理- C# x9 M2 W" B$ s
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：1 b) ^0 T$ I2 `( K) T
8 d* B& G- ^) M; j/ ?- C Q
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。) C7 _+ o4 K$ ~. o9 N& t" B& M
5 |* F1 o% w/ ]) ~3 工具的使用
$ `/ w8 J U6 [, ?! [ h+ a0 I 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
7 c7 E5 X1 X: I# r0 M0 Y 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。' W: S/ W% x" V% [# @& f; \
3 x$ F% @9 `6 z# ?* A7 s( 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：
) p6 s1 [9 g1 k2 n+ @) a- ]https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn; G6 F V# W5 \$ ]0 {7 X: n
5 L) \9 b7 C: T
3.2 Nodejs 安装! ` ?$ j3 }3 Y7 `! j
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 f! z. F8 G4 o. c i
) } y! j! O! o9 u% b
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。
2 n3 h# }+ i& H) v. w5 y, \) a# n8 u f
4 实战练习" s+ i5 M3 O6 W8 [+ z X) B4 I
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：( B2 n! p0 I" e: {
https://www.qimingpian.com/finosda/project/pinvestment2 N4 A; E, \# g# @7 U7 a: x
) R- D7 _ X/ _5 L* m) C/ N2 K4.1 网站分析) S. ?5 D5 c+ B' t8 Q: 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。" f! x i8 |8 u. j1 X- @2 ?! w! ~& Y
U% c J0 d; n 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。
8 d3 m, q2 ~: J! e
1 g" }& A, v: Z5 j$ F9 M 接下来我们就要破解 encrypt_data。8 J1 X2 r; C* o: ~) M
4.2 断点调试 JS 源码* i9 Z5 u% r b: k
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。
) ~' P9 L) \% W7 _
0 f" O2 }4 R" A! }- x( C 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。' a1 S T |6 ~, r- f. l- o
9 M7 i X. C( q) i# M 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。& [) {, K0 h! ]) W
小技巧：% }3 O% {2 ?5 G) U6 P0 c5 n' F
1 花括号进行美化0 D/ [* p; o7 J+ ]2 n) A- @+ V
0 A0 x+ ^6 v& H- C& V
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 e' E* s& y) n; Q0 b
" F& z' x" W6 H7 k
% I/ _: K4 Z2 }4 q2 控制台输出执行结果
1 |/ R2 w: M$ ^ n4 o! o8 k 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。
; R) |, p8 X' x' X! Z2 X0 L% c( q' B
+ q( b( R! d0 Y1 t) @
: T" @: w+ F7 z# V1 n4 F
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 `/ U/ \ R0 f
: q/ b0 a6 w* p4 ~; N
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。
3 I8 Z4 ?3 } C$ m' 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。
% F) N5 k4 {1 `& r3 V1 { 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：& ^; u, ~/ Z9 e! Q) f* q& t
/ [1 t% f! p) A j& k+ n6 x
5 }) H9 q. J; r) U0 |0 } 成功输出正确的数据，最后用 Python 去调用解密函数就行了。0 k* w6 c5 u; Q, y
% ~; @& G& Z; n5 ^2 R& u' z* L- M
|
|
|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
