|
|
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。( U* f9 |4 }* N% a0 }( W4 q
1 JS 基础语法学习1 G+ l5 a% D/ F4 y
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 S0 S& J9 l- }- T5 w0 G
这里给大家推荐一个 JS 编程基础学习网站：
0 G. N$ W* L( \https://www.runoob.com/js/js-tutorial.html- y# W: `2 L- y
; A Y( ?/ K2 p6 V4 [8 L
1 x4 K" h4 b- W, `, Z; E
/ C* }0 @7 U. D2 }2 前端 JS 破解原理
% ]4 Y7 p- j G E6 M 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：
. X: m" O6 }# r5 o; }
9 L- i6 n l6 G- B& G: @% r8 o 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。( h9 k! E& i" [/ u
+ |3 d- i( n" H) H( q( Y/ G
3 工具的使用
8 |* Y& m( r, L8 _# ^ 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( c3 t/ ]4 G9 z0 _2 i1 {0 o
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。 `6 O- g9 O; c+ S: M1 _1 P# x
1 o# o3 z! E, Z) f 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 M* a7 Y* b$ X8 m. x7 Qhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn" F; `9 v7 q" S
/ U+ b1 ?; X9 n7 ?/ Q# s# q
3.2 Nodejs 安装
6 X, v$ f4 r5 f( [6 D" Z- b0 m: K! K8 _ 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）。
- ?- p3 G/ n* X
, j6 M# D+ M1 [& Z3 H: R 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。* g" g6 ^ N5 Y" e- |3 i' t4 O
" I2 d+ N7 S7 [& ~( I7 _
4 实战练习
) Q- \! J8 u1 e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：
0 c+ a1 i* v8 w/ ?/ Rhttps://www.qimingpian.com/finosda/project/pinvestment
W: |6 [3 M/ r k% J' _/ f. `; Y, ]" `5 i6 c, e# R% q |& L0 @( w' Z% B
4.1 网站分析3 z6 x6 ^7 H( R3 ?
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。0 P7 E7 t- h6 z# G+ g" P7 v' U
8 i7 o; K0 w) G: }2 M# F 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。' B. j) p2 q. Y
9 x6 M: K; `: h
接下来我们就要破解 encrypt_data。
$ t! h" ?9 {. e8 {! ]4.2 断点调试 JS 源码7 f# S# M! A( i/ Z3 }% m
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。) I5 U0 n$ P$ U* M. g1 p9 w" ~
* e6 Y# ]+ d2 o, T( ~+ [! y 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。
6 a7 }. Q4 S0 [
" r$ l6 @ |7 W 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。, |) ^7 \ E! Q) R* f9 W7 v
小技巧：
( Q5 c" f; w$ Q5 C1 花括号进行美化/ z3 l+ O& ~1 p, k k
2 m8 z' J0 I$ k! B
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 w7 A: L4 H4 y- c
3 c4 Q4 p2 n7 s! R1 [( D B
8 F) O; K5 ` P, p2 控制台输出执行结果! B; G% h2 F9 _1 P# C( D1 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。4 x3 z2 Q% E3 O) J
) z7 v. C, ^7 Z( L0 f; j
* `4 S+ ?; N1 K1 b/ O" j
h+ _$ O- E+ d4 @% ~ 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 t; L- V% b/ C( O0 \0 R# U
/ q$ x- N& X/ b- m0 N' Y
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。
$ ~- c% Y) `" n; w4 I; v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。
& u5 n k, P A2 }( R* h( E1 n 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： K7 b4 w' s6 M
4 l! p* T4 U+ m9 a, N2 X6 x8 P
1 g% V/ F) Y( M. }# {
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
: R1 }% U% G& n: L
6 P' l% h* Q$ p8 `6 R4 y |
|
|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
