|
|
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。
3 n0 T# T% s5 {( v$ Q& ^5 ]2 W. }' Q! W1 JS 基础语法学习# _' [7 M: Q, J9 N
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。* W J* Q; T" z
这里给大家推荐一个 JS 编程基础学习网站：
5 v# D9 O: U5 ?2 |* @https://www.runoob.com/js/js-tutorial.html8 [. ?8 A2 n O
3 M, V+ |' v8 i4 p5 k( u
& H5 [( i, h' j5 G$ b/ l. O+ d3 S
( {6 N% y1 X A2 前端 JS 破解原理
, Z E; l. O& ~1 A. J 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：
; d" e" l- g9 U2 | J& n' _' Q
" O! |# q8 @. T
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。' d% B/ N4 e. c; M$ |
! Y G, c9 R- A, |
3 工具的使用+ a6 U: `: r8 m) A8 \7 A& G6 W
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& f4 ?4 m7 u2 M ?" U3 f9 o0 R4 }
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。
0 e( V4 l: [5 Z' ?% T d
0 Y2 R: r2 v, t7 T1 v( s; O 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：; P; T2 k7 l) a# N) N
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
$ C2 J( j6 z9 B) H( S
% K$ }0 e2 T' X3 F3.2 Nodejs 安装! C: S9 P" \; 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）。
2 H* z1 e- [1 t4 O: v
6 d4 ^& w c4 k, u+ Y- i 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 E: _) z7 s9 p( G6 p1 N
k- u$ J* o# Z& ^- m" E) b4 实战练习
) o- }4 C; v" Q- @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：
& m* k s; P) `/ T+ H+ ?! A4 Ahttps://www.qimingpian.com/finosda/project/pinvestment
; Z9 x1 N' P z$ O. F8 E4 x" ?# O! J/ t! q" l& a$ |% g; @5 B$ J2 D9 r% ^
4.1 网站分析5 E3 S: H3 ]7 L9 k0 R. Y4 \, \
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。
8 B g$ J( w; F: p I0 `
, c9 G" u8 ?0 T& V 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 y. ]# J& N2 `2 x* _: F- N
3 G- C4 ]+ P7 s" y) s7 i7 R3 L
接下来我们就要破解 encrypt_data。/ i) S& E- h- ], m! ^, ]
4.2 断点调试 JS 源码3 u( v }* c' h* w/ l
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。1 I3 ~! t, h! e" i2 L( W3 V" F6 e
; y' `$ z% u- H
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。
/ |8 T1 T+ E7 R5 `6 f
- P6 f2 q* R1 b7 n5 y$ B. ?$ u; y1 w 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。
, d1 t+ c5 t" M E$ g小技巧：
& j8 Q1 T6 ^; i {1 花括号进行美化
5 L, e; w/ O$ z/ e( |4 |" i/ Q2 e
/ M$ c1 l% u% B4 D! t6 S 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。
3 q# I% E8 R" S2 L4 X* ^3 a
- X- m$ k/ n, k$ E4 n1 X9 Y
% I9 q m9 `5 l8 u
2 控制台输出执行结果
3 a5 h2 [2 ^+ \5 n 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。. j1 m' |+ M W" k, ~
; \$ q/ Q1 {4 i. D
* p8 y# i7 [; E# ?& U5 J8 N$ C
* n+ Z8 ]! ]. \# g# f' 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：4 N. b8 }, V: z" u+ x( R, }
+ t6 C1 k8 l; Z& J 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。
6 B8 ~" O8 N \8 D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。: m* T- b. V8 c; g5 T# y1 y: z% E
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：
) R6 d) ?6 `9 J* U9 F% _. B) Q9 x& a4 L* c: B
, Y$ Y3 ~8 L) \
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
1 X& Y# K% p, t
8 G' O) u# B9 I1 A" t
|
|
|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
