|
|
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。# ]4 J( x! f. a3 R: F1 }- p
1 JS 基础语法学习
3 D7 \8 o: l; @9 ]6 e7 A 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。
7 a% H, a7 G5 e0 t6 B3 a, d- h7 {这里给大家推荐一个 JS 编程基础学习网站：' J- j% P% W1 z& p" f
https://www.runoob.com/js/js-tutorial.html$ Q1 h2 ^1 S& }6 A
) P' z6 A/ q2 o% W2 Q
" G* l7 e! M7 Z! M* |+ ~! O
l$ c: W+ _5 `; R, [2 前端 JS 破解原理
8 ^! [0 y7 A; i8 x 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： s4 K$ b) _0 ?' X! f
2 y" S' P( ~, q0 O7 D. L2 G6 F
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, \9 u. x: q$ F
$ e- J! r, d) V5 b, C3 工具的使用
3 r% |3 F* X4 t1 @0 L$ f 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
/ j! q- Y7 q: A8 A 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。
% f: H/ f+ H+ |& [- D
7 n9 ^+ _9 l. k$ S0 P3 J
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：
% U5 P, K4 d% e3 m6 d" w- ihttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn3 O; h) V1 `" G7 u; S9 T9 v
$ c: b* e' j4 x1 N5 j2 p
3.2 Nodejs 安装
_0 l. f+ a; \6 E, a& G8 n: B 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）。
! t$ u f; o j$ N) H( i) X: E
0 ~1 q$ a/ d' ^9 L( X6 G
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。
% T2 }8 x; ]# D8 Z3 p" X$ O
3 H3 I. A3 R( c- w$ K, E; {4 实战练习
) o9 \4 ?' M* ^8 |+ R6 E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：8 u# b/ t2 r5 ~; \
https://www.qimingpian.com/finosda/project/pinvestment
$ d, u1 ]& q b
9 ^! A6 k, u9 M, i) d- |$ m4.1 网站分析, I; `, j' Q& f; k
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。5 y0 Q/ r: P, u" K, y$ A) O
/ \# T$ J$ r5 A9 c' f6 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。% A. A/ B4 l4 b- X0 Z" x
6 w$ ]' S/ l% u/ k% N 接下来我们就要破解 encrypt_data。# D6 [0 R$ M0 f. ~
4.2 断点调试 JS 源码
% v4 E; q6 J3 W; q3 C! P) P( D 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。3 x! N. o/ a1 e) H5 @
* b- I, ?2 I+ w6 A
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。
& L- t9 y A5 p V8 n
" U) \/ s m4 J2 p3 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。
, _9 @( {2 \, c, b小技巧：- O5 k; A% Q* i" s4 i* \
1 花括号进行美化
7 ^1 H$ X/ C& _6 k7 `0 s% c8 M9 ^ ]6 d
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。& d( C! i- d. G- O( G( k
' k/ K/ a. @7 M$ [3 Z
' E) r$ a* k+ c' V2 控制台输出执行结果# m" ~2 `4 z4 S: q5 f
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。
; d9 i( E. ~. ^8 e
. Q' v4 r. O" ^. ]5 o+ _* g% l
?3 W! {& e, n- L- N
- t" V |% {/ T: Y 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：
" ^9 e! j6 @. S- N% W
' p. Z0 s4 |! H4 ` 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 O7 b6 ?, \
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。5 d5 O% S( ^3 Q8 x
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：0 b. P+ a' |( o
- i/ D) O7 S' H' ?8 ?6 U, Z
5 A. Q. c' T( F; Q Q8 V 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
- |: ?; C, _$ B/ c- p4 a/ T
% g% f& b. P, O2 w% 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
