|
|
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。
D$ v/ a k; p1 JS 基础语法学习9 s1 g* o6 w( F: 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。
, `/ n! g/ ~6 R4 C# {" s这里给大家推荐一个 JS 编程基础学习网站：
. m5 F# X9 g/ u6 z* u9 ahttps://www.runoob.com/js/js-tutorial.html
' h9 J3 R1 `* X Q0 m" b
: K! Y) F' X& `; j$ f# [
' t% U' S- \9 ?+ ?! V: D f7 Q. v) `8 w8 h
2 前端 JS 破解原理( I2 g0 W& T: C* I3 o) ^
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：
6 S: C) c, I& n
3 B' i: E2 f3 ~- u: k) K4 A 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。# U4 z2 m- ~0 \# h2 l& f
7 l; U+ W. V, h2 C& M" |5 |
3 工具的使用
( M) T. r* k( P0 R6 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
1 N- E7 @/ X2 \, B 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。
6 Z( R! q# ]2 e- L6 E4 r! a& W+ H
; w, _$ a! G! c. x: B m3 w/ l 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：
* q7 v5 D/ V, S& o2 x/ @$ Chttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn" ?/ n* R- a* T- `' K% a0 c5 r1 j
& C* r- P3 n) b5 {3 N, O3.2 Nodejs 安装
1 w2 y' c$ g) i' x; U$ ~- F! S 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）。/ f- ]7 |3 z" p# n
( S+ V6 u, u& U# P$ g* q
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。 }+ U0 d- }1 {4 v: r
( V. T5 h: F% h" a7 V9 t# h
4 实战练习
# U& \7 [- F A0 d/ B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：
* n( Q x6 k% U$ |4 f. Uhttps://www.qimingpian.com/finosda/project/pinvestment8 d6 F( Q( j0 e) Z, d* Y3 h
( s9 V9 c. s$ ?; M) r$ H! X7 @: o% L" T1 N4.1 网站分析) a5 m6 O. W- A2 J; A
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 b' Q* C) E4 `: I P& V
! x; V+ }+ A7 A, b: 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。
" a5 j6 D6 C4 ? }4 _
2 c O6 @4 v; w0 m8 l/ [! a! w
接下来我们就要破解 encrypt_data。
: S4 m2 L; j8 N- N4.2 断点调试 JS 源码
' S. e3 t0 [$ w' R8 U' ?! {: E: I 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。
8 C+ e. U! s- a) k9 C
7 D' ~" c" r1 G( e/ r9 j 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。
4 b" A5 F" y0 N/ X
& D: k: ^) T; M$ C8 S( K
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。
4 v+ t v, N9 v) Z F, w2 N7 g4 b小技巧：2 X6 D0 D" ?* P( E4 o8 g
1 花括号进行美化
, L4 B6 x7 Q# F! `
1 e0 a' E" ?& H. V* Q 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; F8 s, c4 h- x, {# T
; s6 j1 Q/ J/ B. |, T1 e! L1 Z7 x
. Q. p1 a5 J r S2 G2 控制台输出执行结果
. b$ W2 @. e, i0 J 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。
: i: \8 k/ Q8 {5 h) d& s) J' r( D4 J% M" I+ \+ K8 ]; W9 L# x: C
) i& i" F0 W" }3 B
/ G6 E" j* S2 H+ C7 r
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：# a) R( F/ j8 f K
; n9 e' A) w1 }& Y 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。
( B/ S' w0 _) ]' w) E6 L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) [8 I) L4 ^" T5 |+ ]: v2 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：2 w5 q) Z7 ?$ `% ]$ m$ n
; N8 T% P/ |) {, {. u* O; x2 Z# U% {6 H
# M M* E. k4 X. G7 F 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
3 F6 a8 @; K' Z Q# O) _
( N# M+ B% H3 f1 N1 [ |
|
|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
