|
|
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。% `- z4 D' k6 ^$ K% T T7 V3 B
1 JS 基础语法学习) E! F& r6 T; a: ?- G0 A5 ~6 R
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。2 x5 E/ L( b C6 ?8 l% n
这里给大家推荐一个 JS 编程基础学习网站：
/ |4 E! g' v) V0 U8 O. ]: d) o& ohttps://www.runoob.com/js/js-tutorial.html
1 b Q! b- B7 q" }/ D, ?* p5 x% ? k+ d! }2 r
) ~9 I1 |# t, e* J
. ?% y: V# j. W& s. K: n' {
2 前端 JS 破解原理6 k& S) f7 g: E+ O6 c0 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：
/ a* w7 C9 K" @: k0 p
- q' L6 _: X* { 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。' F7 Z" o' V* x
- z; t L3 T" X3 G3 i: o3 工具的使用1 A/ f: ~+ B, ?1 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
. N7 ]3 c, e, ?1 ~1 J! @ 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。
2 z' ~& R3 ]3 t: H; M
' Y" r- p0 m# g/ n6 {5 T' h
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：2 ?* F& ?$ q9 y
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
6 G( f' W5 F- m4 F6 S: E
; ~% V# Y# c) R7 t: N3.2 Nodejs 安装
( H' E2 e% d. K( T5 b- 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）。, Q1 ?0 B, ~% S& U3 p4 i
/ W+ G' S, ]6 p9 l9 n. N* b8 p; C 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。0 w7 w4 ^! C8 H
0 ~7 R) _+ R3 v) u4 ^4 实战练习7 v8 \; P5 `0 x& f5 ^
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：
! u4 K6 n% n1 H# ~https://www.qimingpian.com/finosda/project/pinvestment
# w4 Q6 a% ]; L5 A4 t0 S0 l2 f" U5 d& @, Q; R( |0 R6 P
4.1 网站分析
. f7 t' y" P7 U9 t* W5 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。
7 R; u+ w+ J( t1 G! H
; N8 I; N! U3 K& |5 l' x 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。' `; G- I; Q. C- q: H' Q8 q
, _% O- q9 K0 ?* {* u! B 接下来我们就要破解 encrypt_data。9 `" y0 o- o& k |
4.2 断点调试 JS 源码! ~8 q- D: K, n( n# N9 G8 I9 z- ?
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。" w$ f2 C# N+ \% g% W' g+ k. H* Y
5 @' I; C- N3 ?( _% }8 }9 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。1 P3 O& E& ?: W; K$ M
( i5 z7 |* H6 d 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。5 ^$ M* w! [2 q' X
小技巧：
. \# Y* m( J/ [( @, x$ }3 T% r1 花括号进行美化0 T( K* T f: w8 @& Y' b+ I" N
) V) g* J2 c4 V2 X$ f, f 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。/ {2 _" j/ |+ z+ D
( v( y% O. R; V: M4 O$ S
$ ~- ~! H9 W, H& s3 y( _2 控制台输出执行结果+ G4 o' O4 J, q
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。
- x0 j; v3 f6 w& r2 e1 u
" j/ _& L0 m- A; L
6 Q; O# F* y* L3 \
: B. l1 ?2 x2 \$ U! B 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：6 o( B9 m5 q: Q0 Q
" q1 N4 O6 W- l( |
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。! V4 E( s) b2 c# K2 T
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。# N( `& r. j) P9 Z3 p
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：
. B' p- } V! n7 V$ Q) c
4 k) a5 ` v. B" P7 w
* C3 h, n0 R* O' G$ t: y! Z 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
9 k4 s& i4 a/ e+ K& h
- p& I* l# C. c3 G, C2 _
|
|
|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
