|
|
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。
$ X. k1 [7 w# q; P1 JS 基础语法学习
. y7 e6 N8 A: ^ 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。+ ]4 j2 i3 o5 i8 u4 ]" L! ^5 h% N
这里给大家推荐一个 JS 编程基础学习网站：
1 Z! }+ s8 o( Q8 l& Phttps://www.runoob.com/js/js-tutorial.html
, ?; y2 D5 r& d& x4 F F6 R4 e: c) E( C
: o& x+ F' w4 r) J
# Z) T1 {& w$ g+ ]: v# A) }2 前端 JS 破解原理
7 J9 o, b* Y) p* a9 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：
4 l( s' d- p) j: h! D0 F$ |9 n
6 O' t! U" i1 D( i
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。: h7 p% W- ^0 p
! t) L( P( f/ M' F3 工具的使用
. e4 ^* R1 e$ m3 |( G 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 L; g; a0 X/ N& q$ J4 c$ Q
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。! z% {1 M; F5 |$ U4 u- }5 D
+ f% n5 M, |# E: @& 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：
, t5 J8 \: {7 S- R, Q% Dhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn9 F+ w/ V! u! c2 }
% t# _9 W+ t: m& U3.2 Nodejs 安装8 q: b5 Q% |! D
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）。+ T+ g" X/ `$ x! F6 k
+ a# \2 B" R, P# 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。
' s) P: \. z- Q$ O: {! x: I" O1 m8 Y1 @3 V
4 实战练习, y3 U% F- l6 V
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：
$ m9 {4 p0 k- Vhttps://www.qimingpian.com/finosda/project/pinvestment; N- A) x* G, K9 x1 `
3 F# w+ z1 e6 d4.1 网站分析
3 r. P$ K9 r$ ?1 ?. e- i 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。3 b/ o" {$ ~) ^1 p8 Y) w
' c2 P8 q: x9 O 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。6 ^. A! V" {$ X/ H, z. P6 d
- \2 X, W: F0 i$ R 接下来我们就要破解 encrypt_data。6 @* }) |3 @8 X% Q ?8 v. u2 N
4.2 断点调试 JS 源码' s' Q- A3 r9 U, C+ V3 _
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。 _; @ f/ M, G" N3 G/ d* ~
6 G; A7 A9 Z" w 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。
' l0 o$ n2 _( T4 v* e
q$ w. M# M' z: t1 L, x( u2 } 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。
7 M( a4 l j# B0 B+ y$ b小技巧：, E/ ^" G# U6 @2 W
1 花括号进行美化4 R4 V4 @- T: u9 c
0 H1 ^5 C F+ H- l/ U 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。" p, z. _& X8 ?+ e3 B! ~9 P
( }7 C" P$ s. T/ [
2 W% K2 N1 L& ^% u
2 控制台输出执行结果0 e3 c' w+ T( E
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。/ O9 G7 i, P; l/ D- g% U# C
' F7 m; n0 T* h( r$ g
# }' g5 u. q; y; B# q) v+ \
8 F* d2 X$ q+ T; g. N6 R; f2 K 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：( _2 Y: M5 X- [& A6 Y( ?% l6 {
+ V7 O. n' t7 ?- K* D5 S* 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。- y: D* Q0 F; B, f/ x) \+ X o
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。
: g* P/ t+ {3 I. w) 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：" e% \0 V) i% c
7 t0 L% A( d- |5 f5 g1 b) J1 w
5 Y8 \$ n% P, `- j
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
6 I" k" y1 Y! n0 B
5 B/ s: n& J6 L |
|
|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
