|
|
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。' |/ ~6 ? K( l! H" R6 k
1 JS 基础语法学习/ ^. i h$ C7 B
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。
; Z, J2 I- k/ Y! H# V这里给大家推荐一个 JS 编程基础学习网站：
5 c, c& p/ f3 Ghttps://www.runoob.com/js/js-tutorial.html
2 p3 `1 {! y& L# P+ f/ c5 h( p4 a- _7 t/ ]2 w
; s$ A3 D$ C5 f1 T6 @
9 `% u% L6 u/ V( c( B0 P+ a' O
2 前端 JS 破解原理( A, ]6 e7 g" T$ r: p% ~
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：- [, |7 @ W! q; L% i8 L u8 i0 F
* p, g. ]7 \+ R0 V/ o$ H( I: S% U! ]! f2 J
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。4 p8 J" f+ u' E+ @+ u2 k! r4 {
3 ?! Q8 `+ L1 N( _
3 工具的使用( t. Z. K3 z* K8 A8 w' [! R
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/ H& Z( J$ f0 B. a( c& _
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。, j! I# ^+ d" [! h4 |4 S- r$ X- {! C
9 y9 |. t0 S8 A0 d. f3 Z$ 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：
/ Y, w6 g. ^ E5 e4 I+ Ghttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn3 k- r0 p7 O k( n3 Y2 [/ N
3 h0 c/ D" s* }1 Y* i
3.2 Nodejs 安装
1 z& h9 R' n( Y( ? 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）。+ N `: m1 D5 n* i$ T* F" o
) o ]8 c. ?3 n
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。; Q; D9 I: P8 T" H! l9 Q
9 o9 E F: }& T- Q0 ?7 W4 实战练习
( h: U' C1 ~4 M% M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： {( @* {. d7 s& H6 @0 a" ?
https://www.qimingpian.com/finosda/project/pinvestment, G: C4 P# M' ~5 q8 h- o4 F
K$ ]) J6 t$ `6 j' D9 K
4.1 网站分析' F) L2 r& y2 T% r8 b
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。+ Y9 p7 t, R/ s, ?
: ~6 v/ i; S% `) Z
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。
/ N7 p7 A' C/ C' m: w
- p! F ?2 [. H! a. T" }
接下来我们就要破解 encrypt_data。
/ a! y; ?4 w& p9 B0 z3 `- e4.2 断点调试 JS 源码
) [1 Q9 Y& v: G3 q1 n! C 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。
2 E. Q8 Y3 c+ ~( O# |
+ |& m$ D0 ?; V5 c% ?8 Z p. n4 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 k- h- P# C# I3 R6 ^* n7 L
( r+ a( @7 m' r0 h
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。
$ F; H6 @% P' Y; o! }: r' }小技巧：8 {2 b) q$ G& ~4 e
1 花括号进行美化
( A; ?0 F" b! W: V4 \$ i4 x8 j+ X, M9 ^: Q" j0 y7 R4 H% R/ b2 B
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。; O2 l* R% V4 N$ U- r5 n' C3 H, ^
+ I7 m7 \& V1 Y8 _$ u/ d
3 ^- X. Y( I0 O* @! k0 c' y2 控制台输出执行结果) ^. [; |5 {% }. d4 r$ {' B& j( Y8 h
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。8 S& A& U$ E" m- t, F7 l" {
* {% P6 f; l% m
1 ~1 V. v/ {4 D3 O+ h" z4 R& B
. \3 r$ c1 I4 r4 K5 M" v& X
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：
: _( q- F# T% x/ |
8 k3 \7 J8 R8 I8 R) V4 q J g 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。4 N' s# v; q W/ z3 Z9 [# \
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。
1 r! e3 R# Y) F9 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：# d3 m$ X! d5 v/ H, _
2 ] A+ Z3 N; O! \# Y" a2 |) P
. l. P9 _. y1 i, i! |
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
% W0 z8 _0 S8 u3 ^9 _9 B
3 C4 f. p. `% o/ A* 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
