|
|
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。3 \" u, M5 |$ k9 v4 B. x
1 JS 基础语法学习
0 d9 G6 B8 t n& ~3 E' d9 D 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。- F; C( j( a V9 ?2 K( p, N. J
这里给大家推荐一个 JS 编程基础学习网站：& j) b* n0 N/ ^. ~4 w; X
https://www.runoob.com/js/js-tutorial.html
; Y+ L% l0 y( c& x8 |0 Z0 z/ ]& M: l3 z( b& u8 J( ~! q; l8 W
% U, c/ E8 n: E( e1 M$ q
% v. K& Y H/ }: _/ P' E$ O2 前端 JS 破解原理3 `! Q" s7 ^* W6 X% N2 }& o/ |
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：
. q: }( Z4 P) }) v# I ^5 ^
' {6 ~+ ~7 `: a 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。
8 V+ X U5 v$ t( v0 z- g, u+ g' H& r; f9 u! d. q& G# ]
3 工具的使用2 {1 B) E2 n3 D9 ?& a$ 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
1 d- d: p8 a* N% q3 B 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。0 x0 [% _) ~7 K" i+ T5 @0 {
: P& I/ n& T, q8 D$ C" N( p
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：
& Q3 u/ w9 n- d: V& w! dhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
! E. B1 K# Z# @ F0 f, C% n6 M0 ]/ ?& `3 e& P B* o
3.2 Nodejs 安装
3 C( {$ l# y7 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）。
7 o# m$ X/ i8 S
5 f$ Z$ R- y" c 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。8 r+ ^. B1 t" D/ N
/ S; }4 T* s$ {5 k4 实战练习
+ [) I5 d- L9 J# c8 N+ V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：
! n- u: J$ P1 X( z8 U$ f( P( J$ ^& thttps://www.qimingpian.com/finosda/project/pinvestment
7 O* T1 j% P0 K2 T; }; n
2 |! h6 K; {% @% u6 ?4.1 网站分析
: L/ Z" f- F; w# }6 z 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。' ?, w9 q2 h9 K$ u) r
K5 W* R! f; j, a
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。% N! Y5 _% o& b0 a$ Q J, Q
& w0 P1 t3 I$ J! _0 b I
接下来我们就要破解 encrypt_data。( H% a1 E/ Y8 ^! l! P- I3 Q
4.2 断点调试 JS 源码3 Y& ^4 f: _) T$ q \
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。# l A9 ~# [* z( a1 N
" h4 P% u4 l# f: \+ N2 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。
8 @% ], g$ Z$ m4 o. {
' Y9 H; U% w i; J3 u
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。
3 B$ j5 a+ @% L- r4 v8 H- z$ D小技巧：
$ L0 n1 r I2 J% A% f6 F1 b L* t. d1 花括号进行美化
: \- f5 a* i) a/ f3 u: e# Q, Z4 ]. t7 d; g/ s8 k
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。& J" ^; k0 ~# U( }7 C" w6 C
, k3 H( S$ Z8 N4 I+ k
) {& Z. G7 B9 p) l2 控制台输出执行结果
, d/ z. T- U2 w- Y 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。
/ J2 f$ O5 l6 q- W% ]. f- d# Z, v1 X) q% E3 z) Y6 C5 x
2 x" F6 {% ^' `* x# R1 ~* g& ?$ x
! \% f" n; t' ~9 \: ?& Q9 E
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：8 H$ B }4 r! @% v
/ q1 s' G- B1 {! W3 i 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。& B& \. d# [1 Y$ r* S: 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。
; t! _% U+ z, {% N' A+ K 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： l6 A* C' |' Z6 U
+ V9 s7 ^ }. h r, T7 H m
1 n7 u+ i0 ]. [6 n7 j 成功输出正确的数据，最后用 Python 去调用解密函数就行了。3 F5 V- p2 w+ s l" Z5 A
0 X+ Z9 l/ D) n7 W |
|
|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
