QQ登录

只需要一步,快速开始

APP扫码登录

只需要一步,快速开始

查看: 2407|回复: 0

爬虫进阶之 JS 破解

[复制链接]

等级头衔

积分成就    金币 : 2861
   泡泡 : 1516
   精华 : 6
   在线时间 : 1321 小时
   最后登录 : 2025-7-5

丰功伟绩

优秀达人突出贡献荣誉管理论坛元老活跃会员

联系方式
发表于 2020-3-19 10:28:04 | 显示全部楼层 |阅读模式
       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。
4 ^; @2 Y: k5 a* w" a4 W1 JS 基础语法学习
2 Z) |8 S) O$ Q  E/ ?       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。7 {! i+ d# m5 q4 v5 D8 u+ |/ u
这里给大家推荐一个 JS 编程基础学习网站:
6 B, B: G# T& F. f' Zhttps://www.runoob.com/js/js-tutorial.html3 t  P4 Z! s! @- q( ]
- [  n6 T0 U: g  n1 G1 c/ F' P  C
1.jpg ( k* E. Z. j% R) x& z% W3 g4 C

& }  y" x9 e4 G( I5 _. ]! R, X2 前端 JS 破解原理
! Q) F* _2 m# I; T4 s3 ^       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:: i3 ?9 h4 p9 V" b
2.jpg . O- W6 ?8 B) _8 h1 b8 Y
       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。# y* N! ?1 E: i7 }

4 C" |6 }+ r" a3 工具的使用
* j) Y9 |7 W2 |8 |: {4 P       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) v& ~( A0 }1 c+ |* t
       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。. u5 c  |0 x1 c5 Z% F
3.jpg 2 Y3 ?5 }# ]! w- l- l! o! Z
       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:4 M2 X4 p) H- V5 m3 C$ S
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
3 ]' i* `  P" g9 u( d! i3 I  |  Q; U$ W/ C) a5 \
3.2 Nodejs 安装
+ q# e4 `/ D0 L6 ]; A6 Q" S       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)。
1 c$ b/ E( ^* K0 a* B; _9 x# w 4.jpg $ r% x4 `" D- B' f6 K  D1 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。3 ]# p$ A2 S; c  h1 b* p' y6 i( z

8 s% c2 H0 b. b  z7 A8 Q4 实战练习8 n  o! C- C5 l8 P! K
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:
" Y- p( M* m: bhttps://www.qimingpian.com/finosda/project/pinvestment
% z4 y; I/ k3 o6 z! I" `( {+ o# n/ n% L5 Q/ R; W
4.1 网站分析9 B* \* E3 P- o) v
       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。
% X, ?8 _# w8 a; X 6.jpg
  P- C$ J; h6 i6 e' o       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。* d  }& T& w3 f; _5 Q
7.jpg
: L2 e1 A# n  q6 |( @4 }0 ]9 U2 L# h       接下来我们就要破解 encrypt_data。* L  z6 f3 @. C6 s
4.2 断点调试 JS 源码
0 ~5 d' z9 d7 V# y# u       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。
  `1 u9 B& m: e 8.jpg 9 y/ i; u/ r6 L4 [0 H
       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。0 N. Z8 i* F# V/ @; L" F* @4 B
9.jpg
! _8 g; k4 R2 o7 U* n2 ~+ |       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# D6 V5 c) h- h小技巧:
1 ~/ s: J) P: A9 h8 @, k) z1 花括号进行美化
* y4 Z) S, R9 S
2 K9 Q6 _7 V- D& {. w: ~( C0 ^$ X  i) 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。! `4 Q: f0 ^9 T- @6 U% f  \
10.jpg * y& ~5 l$ t5 {$ C! L
11.jpg
, {& B, d9 b: L( i2 控制台输出执行结果
; V* S% Q# L5 h% |       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。1 L. L  Z+ P. X2 j5 W
) v( w$ H  d% Z, Z
12.jpg & L. |9 Z9 p3 D1 U' Y+ f9 _* Q
13.jpg
7 e, j; U  s' H+ a       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:
* f1 A1 M1 S1 B* X 14.jpg
# N+ h, X7 ?4 ?4 I6 C, O       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。, m3 [9 J' B7 l$ s( W. T' G- Z
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。
' ~, ^" [# Y& B0 K0 Y( j) i       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:7 g" g2 h3 `- U$ s
$ M6 M" q8 M1 V  J, T- g
15.jpg ) J3 A% C$ u4 l  b* Q, F8 `7 c3 k
       成功输出正确的数据,最后用 Python 去调用解密函数就行了。
* y2 N7 L3 m6 I1 p* D2 [' G; u1 s 16.jpg
& `7 |# s2 Z7 l& \
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|paopaomj.COM ( 渝ICP备18007172号|渝公网安备50010502503914号 )

GMT+8, 2025-7-6 06:41

Powered by paopaomj X3.5 © 2016-2025 sitemap

快速回复 返回顶部 返回列表