|
|
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。$ f4 N! l. R& \; \1 Q% n
1 JS 基础语法学习' y, A# t: n4 P7 L5 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。
9 a& A% ?0 x. B- i" E' F$ u$ ]这里给大家推荐一个 JS 编程基础学习网站：5 ~8 N$ M/ _* G) y6 t! b# L' w) U
https://www.runoob.com/js/js-tutorial.html3 ?2 t1 X7 l$ n' R0 Z6 ?0 u
/ i8 ~8 M, }9 q5 q
- r4 `+ q" A; H( ` N2 U/ I
6 p, d( e+ o7 g: Q
2 前端 JS 破解原理
7 }2 Z9 q. p% i( k' b Y 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：8 C( R; w/ o/ O- i! D$ }0 G, H
+ I# M) r0 D3 m$ ~) y
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。+ s& Q9 u, E/ Q/ E, N- H" ~+ I
( j$ J1 Z. s S r2 y: @2 v, s- Z+ q& c& R/ \
3 工具的使用! p) B- Y! H5 |
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 Z, {0 Q; H" T Z8 J1 x9 P 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。5 f O1 D9 C( X9 I4 Q9 t
; T t. B) M; w0 T$ Y$ r( U* 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：
* F. \# V; V1 Jhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
4 Y2 L2 P: r& L8 y
3 y7 I: ^* L8 ?3.2 Nodejs 安装& Z4 B8 v8 X" Q4 G4 I
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）。. V7 D8 O6 X4 }, g5 q3 A
% k5 R/ v" B* T) Z* q& z5 P) J 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。
# t' L; E3 e/ v" Y4 Y( b/ q+ l( }! Z3 f8 W
4 实战练习+ T! G9 p2 o6 b. L
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：
3 T3 i4 P# j) o* G# lhttps://www.qimingpian.com/finosda/project/pinvestment/ \; O s! |7 g( g( l
' f1 M2 N! G. a. l3 x- c4.1 网站分析" I; Z5 x* v" j0 O/ \6 p
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。( b. \1 W9 p. N( v
7 `9 {( `- _, V: 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。
+ |$ l$ `( R; X( Q4 x: J% k$ u9 ?
; V& Q' }' Q6 X
接下来我们就要破解 encrypt_data。
. D4 c! S; y: S5 O7 O& @2 I4.2 断点调试 JS 源码
$ \/ i1 c7 E8 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。
+ B) @/ x3 j% [
. X# I( f- S; C8 J3 ?7 v 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。/ s$ {: V5 Z U5 k; h& R3 m
6 z( r- W# I( i8 A+ h1 ~
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。
$ E( A! E5 v- k( D5 `2 d9 ]' u小技巧：
2 j, h( n2 \; h o6 D* L# N- I1 花括号进行美化
" w2 e/ v8 t' C1 Q/ ?
/ @4 \& V8 i1 ?; m: b5 a 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。
S2 h" q" r& o8 Y
4 x& `5 o# X) I$ B, w
; T5 A& e+ ]$ K; y
2 控制台输出执行结果% H& c7 ]5 _, F9 D" F4 c4 @
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。
- @5 D) B3 n1 h$ g( O5 c4 |3 h/ c
; Z- [/ c: ]3 c; a
; k4 ?7 r, l p: a
8 f, S. ?7 l5 Q' n1 ` V- y; 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：* z" P8 M. G* O* R( u
+ x, C' h" y% e- P5 | 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。
" F( S0 S* `. ~, Z5 L6 z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。
9 f. T8 ~) G; u" ?$ ~ 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：8 T% o0 B/ y1 [. Y3 Z9 z' K
$ V4 }$ t# i! T
" h/ ]) T9 M7 T2 O) _ 成功输出正确的数据，最后用 Python 去调用解密函数就行了。- S# H3 i; h; U8 r0 [
" R; r5 S" \. [7 s, H) l3 U |
|
|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
