|
|
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。
. w( a( j2 K( D0 e& k* Z" }1 JS 基础语法学习3 C/ x8 U2 b% G. C' o
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。' S& c: y% j+ S# N1 y4 p
这里给大家推荐一个 JS 编程基础学习网站：
) a7 I! [$ Z8 x7 _; ^: Uhttps://www.runoob.com/js/js-tutorial.html+ d6 A* D- H' k0 |+ u' Z2 E
6 l% f# F* r5 e. I+ J% d4 {
+ M* s+ {0 W+ M' C
4 e; J1 l J# y" m
2 前端 JS 破解原理
. k) F, K( d8 ` 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：
8 r. J! S" r# M; q, @, O
/ r' u6 t3 X% v1 E( ]+ 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。
! V% Z5 W% x* O/ ?2 x7 r5 z9 Y) ^$ f; _+ r& l- A
3 工具的使用
. l$ n) t3 B: f- R- e' G, H E 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& y: o* C* w7 s ~8 C1 i 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。
* D9 ^( T/ z; h. Y+ }* m
+ t: ]0 W/ S/ N: b2 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：
2 S6 j2 ]8 f2 r$ Dhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
2 X& k% p. O+ U7 ], \
6 A" i" X, p4 {3.2 Nodejs 安装
' O% A* ~% T% s l 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）。
1 @, s, r6 K- t) n
! @. p- i" W/ Q+ E# X
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。+ L3 Y) ^; s* a; A2 v0 r* I' @
' k( f1 w% M5 W
4 实战练习! ], L/ d; M( j
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：" J! u5 ]( ]7 F2 F; n
https://www.qimingpian.com/finosda/project/pinvestment8 R; w1 ?* \2 }/ N+ `: m: u- S
7 k$ a+ l9 L* K! k3 c
4.1 网站分析2 a& _. `# }0 m
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 O8 u/ ]2 A7 k' M2 n, H v' Q8 a
# l8 r$ z+ N( F. _4 Q! J 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。
% J* S/ @. e- V, D, ]- L
' ^6 {9 \+ Q% g9 ?$ p5 Q+ x+ n 接下来我们就要破解 encrypt_data。
5 l0 R, h5 w6 b" q& C) G6 |9 k4.2 断点调试 JS 源码* v4 v* g6 N* k5 {! g% h5 A
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 d% n- V @5 |0 W7 i
8 F6 g+ ? Y8 a* f8 a1 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。' M8 D9 d& t5 r, y, q
" N7 X4 i, y; e7 p+ N% b t' 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。
- i& I! H0 r( ]% @, T小技巧：
; w X4 [% v; ], {8 z. ?3 X8 W1 花括号进行美化9 V9 \2 r/ G7 N3 O
) c g, w; T: w! ~% M+ ^
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 S: M* R, q. j. ^1 n/ ^
" Z$ m) ?9 ~5 }$ P
o# c5 \' A, L' I3 v2 控制台输出执行结果8 f1 q. h0 N. P. B1 w* 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。
& S" H" s0 G) ]3 f
) W9 @1 a7 N6 ~9 \
9 T& t6 V; H+ }, \% D3 i4 h
: M% }0 _( e$ A 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：
: u% L+ F2 F% [; a& V" x
% d* Z* a2 ?" ]- K* R' r
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。
% j) }) n! i) n) z6 u8 E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 d' C# ~& T7 ^7 a6 y 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$ D b/ c3 _# C" ?& e8 @
3 L7 r- V+ p7 M& M
/ T8 g0 q5 q# t( U+ o" {7 O4 W
成功输出正确的数据，最后用 Python 去调用解密函数就行了。; K" Y$ D3 f7 H8 @/ B/ s
+ ?, v; @8 d; d, u, f9 O6 u
|
|
|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
