|
|
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。
$ G6 I5 w5 U0 b# Z. O3 B" q, `1 JS 基础语法学习
2 P) H0 x1 n& G0 Z3 A& \9 W% d( D$ p% @: 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。
" x7 D8 q% D/ H$ Y2 q3 e这里给大家推荐一个 JS 编程基础学习网站：
2 H4 w1 [% |/ E' R+ Z8 p" X) Nhttps://www.runoob.com/js/js-tutorial.html7 X7 j. J# q4 C* w: F! r
& i5 ]& a/ W2 d k0 V! D4 h' C. X
1 i/ |5 E3 {! d8 Q3 D5 q
+ Y/ M& V1 S& n
2 前端 JS 破解原理7 f1 Y6 i. x; e5 s, g
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：* ]- ?% M. D; j i! v$ j. }! Q
) W5 F% g0 k, Y$ x 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。
+ y7 } @4 x* ?+ r* C3 x5 d
; W; w! U) P3 s' a" o4 O$ B3 工具的使用' h( V$ A$ Z- s& J
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
$ S h0 C+ _, L+ Y! Q& I c5 ~ 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。1 X T0 p+ @: ?2 |" a0 u ~
' B" z8 T" E: e; n 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：
- S! J; f, ^9 L! {9 Whttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn' N2 I2 j! x4 w0 D
8 g" y$ G6 `& [2 x% }8 _ j
3.2 Nodejs 安装" \1 D6 _6 a9 g6 u9 }2 e3 \* n
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）。+ j+ X: R W9 U0 U1 H# `
4 H0 _6 ~/ U3 n+ N4 ~6 h' K$ ]8 Y9 I5 a, Q 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。
7 D( \- M6 t, W0 I9 u
1 g9 n0 |& ^/ R7 {/ K4 实战练习
- x5 Q2 k. y4 ?6 V# U5 J/ J$ i$ G" a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：& s R0 |) Z$ c% Q8 i; }
https://www.qimingpian.com/finosda/project/pinvestment
( L& c; h/ y$ T
V. x% J( l& M0 x l$ Q% a4.1 网站分析: Z( S& Y6 R B, {& r. 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。
+ q, X1 Q _7 z4 m. |% g( I8 b) g+ l
* y8 {/ _' ~9 X- |- g 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。
7 L1 y) H2 D# z
; P, M! G- A7 g6 @7 P; Q! w l
接下来我们就要破解 encrypt_data。
- z J4 n1 X9 b" Y7 a; {( D+ I4.2 断点调试 JS 源码 \" b. X% \ Z) A! |% c3 n- l0 b
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。! ?* w1 P* P/ L G$ d$ b6 p
) ^9 j; K$ r, \+ R7 F) F6 i
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。1 l/ E( T+ Z8 c! |' U. _5 `7 f
" L% E1 i' h4 n5 `7 Z0 [0 g* S! Y 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。 J& V; k. f7 M! z' p
小技巧：
: T1 d3 Y# T' S1 花括号进行美化. U4 i; M. @% u, M0 k) N
& c& @6 Y+ `# Q/ g9 n: i& }7 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。, L, z; p; \6 A' ~6 v( D! y
( N8 K5 \: z" m& q2 L2 L; c4 B# ?) M
6 X( c) J7 C. `. y1 J3 w$ [2 控制台输出执行结果! B& [. [ [5 J: x. B- O
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。! e7 s% y9 l3 A& a5 T p6 T
1 _; F# k! Q" D# A4 e
5 g# t) Y5 d- D4 r+ J; k
' J1 a; x4 x" P) `
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 Z/ \3 G) j' m( q7 S
! |7 | K" U/ q3 @
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。2 [: ?- p% o3 w. O6 W/ o4 c% }& m% R
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。# \+ i6 p% J: H; Q9 S
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：
% ?/ g6 H2 S+ A; Z N; J
: A$ r% Q* h' N" }% s" k9 t
: n$ `" k( n) f! z3 g 成功输出正确的数据，最后用 Python 去调用解密函数就行了。; ]* E) B& {+ v7 l7 c& w! U
* {2 ]) `! ~% P6 b9 M( G+ i5 x; g+ d |
|
|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
