|
|
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。: I# O" s+ R3 u: @ g
1 JS 基础语法学习
m( a P- c# x) H, y* `7 g 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。1 k. d7 S7 b3 I5 u3 T% p2 l# y
这里给大家推荐一个 JS 编程基础学习网站：
+ P/ e6 t8 G: B8 f7 f8 Nhttps://www.runoob.com/js/js-tutorial.html- \3 B! z% T) Z7 w# A- ~ d8 M
$ L* b/ F/ A. ^& J7 q% t
6 q; {3 { i9 N1 K+ T8 L; E
, P/ N3 `2 |& D g4 W% i2 前端 JS 破解原理
/ i7 ~# {# \$ ^/ m% v1 j" l' ]2 T: n, ~ 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：
5 W0 ^5 N. U% `! z; k7 K
9 w* [ O& c: r
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。
/ K# ]+ ^4 X3 l& F
" @1 }. t, g( B! B/ g3 工具的使用& R6 e4 L+ j `: A
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
5 C% Q3 Z ~9 M: a3 v 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。. y" O! O$ p" p0 E! d! X
, p2 }) x3 J" A
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：
* \3 W- I; p% \$ {* ~1 {https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn2 k( G/ m; o* ^2 I$ t% N, o! l
6 l- X1 P" d P* E7 {; Y+ r3.2 Nodejs 安装
' ^! X: k4 _( Q$ V- L, P$ | 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 y) r2 E' B: i8 W) D' v
8 p. X# K+ B6 l/ ]; N; | 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 y( x8 H" z$ Y' U
7 d, B, g& y7 ?9 R: g7 m4 T4 实战练习5 Y$ q' K! @! O2 N6 g* T9 { 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：
; d5 a7 i) \5 ^; ]1 p0 p. z( Rhttps://www.qimingpian.com/finosda/project/pinvestment
E. U1 X# a7 ]" J4 h! ^" D+ r
% I& G3 [. @" j- d: j1 ]) b3 F6 i* H5 d4.1 网站分析
" R! M* }" J4 k$ j' V# R 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。/ L6 b% i) |, W5 q9 j! k- r6 E
0 ^' c% n" y! h& p+ i. y! z b/ s 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。
4 o$ B' j2 z$ T7 _& h1 n6 [( c
$ V9 m T& `& x* b 接下来我们就要破解 encrypt_data。2 \+ Z/ y& P: m+ T* w6 E7 a
4.2 断点调试 JS 源码
9 h% X. C5 M* I. J 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。
5 y/ M5 N+ _7 m; {$ O" b3 u
3 Y7 Q6 j) u4 ]- |
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。
& F- d% X1 b1 ~5 F" p5 j; _7 H
4 |5 o8 x% _) h) ]7 P 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。 P# H8 P+ j; f9 N" l. z6 k& B
小技巧：8 d) d8 M5 a" a" l. d! p
1 花括号进行美化
. h+ l/ z. B6 {. j/ }, m" ]1 O, k) Z. H- 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。0 r# \# n) r- F, U4 B1 o
) ]/ x1 d8 q$ |& m: ^: r+ F* Z: _1 Z
: d% b" `# b6 V2 控制台输出执行结果
1 A4 B. Q$ 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。
* S6 h, K/ X2 Y/ @5 e9 ^3 j7 T v- q+ {
- m! g7 _+ g+ y" z" E
. X5 x4 E1 c; S1 V/ ^! U: U
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：; x; a8 U M+ q0 g) p9 T
4 P6 P# K* V7 A; {+ X* c% e4 l 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 c7 M$ |" f' | o, e( T* k
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。' {3 X G1 b2 t2 ?0 C$ V
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：
) w$ [7 j. F2 L v- f: y, m+ w% a( D$ G
( C7 m; X" ~3 q
! X5 r! j& O) q, p 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
* C2 Z* i# J. [, i
% o; Z8 B$ J+ J- z
|
|
|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
