|
|
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。, K$ @' ], I$ S; A; M
1 JS 基础语法学习' k( |; m; _1 v6 U
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 t. s7 ?) x' Q3 n1 s2 t: `1 T3 i这里给大家推荐一个 JS 编程基础学习网站：2 R2 b* Y: I3 O
https://www.runoob.com/js/js-tutorial.html
8 y2 R, D7 b7 m: v9 x; q9 J$ _: p; e3 V4 ~' j) A) Y
1 y4 D- Y7 t [$ J: L8 Y* j
/ G6 U0 R* d: M1 \1 \: M+ |
2 前端 JS 破解原理6 C8 o$ b! a& Y9 _
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：
4 g7 E8 U7 H% }& q7 X' Q3 W2 v# Y
8 M. M" h) G+ ^: a& C# H
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。, ~% l/ y! @0 q+ E
/ F0 E2 {9 I2 [. \9 q2 e
3 工具的使用
" w7 d# r# Q+ I) W0 ` 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
2 X7 C$ J5 [6 |( M4 U 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。9 f9 Q1 n( e$ o! C: L0 P. g& G9 f; R
/ l% ^& y1 B, \; D. K
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：
/ h( H& g- V" V5 T. B0 f$ M9 I, ehttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn+ l7 m6 F' J' I; n' P
. _0 ~, s. j& x. T/ v1 h3.2 Nodejs 安装, A$ v; Y" ]* m% @' _
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）。
( W! ` G8 x, W" |
0 h7 u( B& G: s: L
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。
r6 G0 u. w1 |) @. _3 o* B( }* S/ N
4 实战练习3 s7 O a2 q. I6 \; 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：
% P' L# V& }! k4 qhttps://www.qimingpian.com/finosda/project/pinvestment
* O" X6 \+ R8 j$ F1 f& l
0 c9 w1 r U: B! k0 Y1 g1 {4.1 网站分析
! m$ |8 I8 H; \" s 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。) F7 B d3 U' L& a* _1 n
0 u: N- \; y8 F/ l* C4 \0 D
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。
% K8 y$ ]# t0 }0 Y8 X8 T
/ S# w; X/ o; l7 M- } 接下来我们就要破解 encrypt_data。
* `5 D1 Z. U4 O. d1 F7 g( ]0 G4.2 断点调试 JS 源码8 V+ G- f7 n: V$ B/ 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。
) G( [! B% k5 L. h9 x
2 @6 [- c# ~+ j# p6 A& 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。
! C8 E4 v& ^, P% Q) |6 v% y
0 i: ~3 |( f* j) v 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。! m# R3 \4 ]1 a1 ]" \
小技巧：
7 b1 K& v- X% F) \. k1 花括号进行美化! Y' H! N b! u0 F" B- y( o
' C. n) {: K( ]* O# P, F2 Y/ B) r
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。
! p0 K& [% m* |9 W+ a: L: P
. l1 A% N5 B' Z2 t* v9 G
: Z7 F9 @5 Y# u5 J! L/ L2 控制台输出执行结果
( F( P" S5 b4 n' a 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。
& N5 i* L4 z+ J3 b5 w9 J5 J
' r) V" i r+ N- {9 ?# J5 h
# ?# [3 C1 t) o
& z1 g& ^3 Y/ G. t* H
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：
5 M' f- c1 {8 {- E R4 X$ {( p* R8 \
, k/ e3 t1 [4 k9 @: Y3 F
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。
0 a* _5 J* G" |/ Y& X- S* |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。
/ R/ q4 A; c/ P/ C5 S' 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：
' I# W K9 n+ V; o* Q
% K i1 n, {& W$ l& W0 @
- v+ F8 k; V8 N* z1 }
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
) I; ]1 U, ~3 X q. {+ w9 s" o j
# o7 Z, L6 v1 C+ Q: 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
