|
|
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。
: S. y0 b0 {, u4 ]9 f. d1 JS 基础语法学习
4 [, ]9 e4 D5 D 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 E( Y$ z' K* A5 L8 x
这里给大家推荐一个 JS 编程基础学习网站：/ I; Q) Y- L4 Q6 g, r
https://www.runoob.com/js/js-tutorial.html9 T/ i2 S; ^! q. ?3 M% z5 I: P& R
q$ C: M8 R0 K' S: o5 B" ?
2 A0 E% b4 p! q- M) v, R, w7 {
1 c* t- I2 J, w- Z6 }0 V2 前端 JS 破解原理/ e' w6 @. h; q( C8 C# n
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：, Z" |: b4 |6 H) \( T
# F" P8 b7 \; S5 m/ W7 C* r1 u
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& x. M* y) r4 v7 v
# ` Y- L0 F4 u( f( h* e- N! |& M) t3 工具的使用
0 {1 J: }5 i. G9 s/ D* _ 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
A4 o! X5 V8 }& v5 e0 v% Y 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。+ h) D' _% [! ?2 {
6 B/ X( D3 C: X2 y2 E' D 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：" B+ k4 s2 d# D
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
9 d0 w F& G! {5 G6 F( M$ h% \( {3 I. p
3.2 Nodejs 安装7 J" \' `0 H; e4 R3 F
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）。
! T9 h2 z- t4 I1 s* O0 ~
- L1 h+ C1 i G* X5 d 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。
8 A5 e4 F4 K2 }0 ]2 z
1 {) s2 E! R# d4 V% V6 l v4 实战练习
, g6 z& a$ a( q$ Q6 q: @$ R) I# E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：1 q( l) ^1 V, u, x
https://www.qimingpian.com/finosda/project/pinvestment0 k" _5 j3 n) {4 I7 ]. b
% {* K1 i. R; D7 p. i: B' O5 e
4.1 网站分析
3 t* |! ]3 q0 B: 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。
/ P, r* `, E" v% ~% t
& y4 b8 l; @1 f+ b- H, w6 t" z# D# l6 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。
" N2 E3 k5 f% m
. X+ r+ b, y" E$ @' d. l
接下来我们就要破解 encrypt_data。# T" T5 m2 W7 u$ {- w9 H, f
4.2 断点调试 JS 源码; {- S4 V! ]( T8 f
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。- r4 `3 |( \% l* K" r3 C+ r
# J. `/ G* s, m" ~
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。
% V; o2 l8 a3 E1 C" y
2 p' h6 G. q- T8 |8 v
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。
# t& r& z) g' v/ Y; Y, i5 b: Q$ {小技巧：. a% v! D: @8 `( L1 U. v" ?
1 花括号进行美化 N! J$ X" O; S
9 ^- L+ }; ~* W 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。0 L: t8 [: m6 ?
: q0 @1 {/ Y T$ W* \
& H# G( B) M1 K+ N3 F/ \
2 控制台输出执行结果% o* ~7 \/ i" U" v2 y' s
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。
% |2 }) [+ E9 K- b, z b+ M6 i$ h2 T+ A4 a& g; j% b
4 M+ @/ ^$ i8 u: @
' m! L: \. a8 Z4 l3 r# 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：
4 W9 D. k5 ]( r& P) G6 k
/ x9 N1 Y9 _9 d6 v ?2 c 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。& K+ e# J$ o* T6 Z6 N: I
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。
) ^5 Z8 d! C+ ]% X9 Q, p' q l 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：: H# S3 P0 Y5 x& R
/ N$ z/ H( F- H% `
" j G1 K5 m% h) U 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
- I& X/ x S- e6 d0 m1 k# B
5 g% B+ U0 [) Q+ V |
|
|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
