|
|
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。
- E1 A$ ^3 H$ \( O8 l; u1 JS 基础语法学习/ ^# d: [# }6 `
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 T; N+ W: S- T" s( {这里给大家推荐一个 JS 编程基础学习网站：3 [' p' M5 C$ c& [( S0 Z
https://www.runoob.com/js/js-tutorial.html
" I6 _* ]2 B& i) J7 X9 K
* l5 e6 \- Q- a8 s3 r9 L9 X1 q
( g% h/ Y7 ^2 c m. m% L4 z4 ^/ x1 T! N3 d$ F# y( @: ?
2 前端 JS 破解原理) O+ S u* O4 e/ c2 r( H
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：
/ |. Q2 T/ b- ~% k# t
; C0 y( _1 o& w3 Q 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。
4 z0 W. U, _, @4 H7 m" y+ R1 w( `: t/ L2 X* _
3 工具的使用
+ @- T& g5 x2 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
2 M( @+ f, E) K' G( R, 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。
% o- R/ \0 a9 N, X. \( U. `
+ _, q8 ?6 n) E8 f" ? y 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：
+ f- a) O9 d0 ^% v. p: [7 P; Whttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn6 O/ W) c8 ?: l2 h6 `: ~; x9 i3 R
5 K; j* L: y) p* r
3.2 Nodejs 安装! r* _5 f5 n- R! X( V
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）。 O: H% B1 H) Y/ @4 }, G' V* T
1 u/ L5 s) u v! m
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。( l. B L# g0 V( {; h
4 S h% W% U% ?" Y+ ^ V& @* a9 R4 实战练习4 d! e) o2 M: G7 Z" 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：
) g0 K, v7 J; g' M' vhttps://www.qimingpian.com/finosda/project/pinvestment
; I! f* }+ ?; e9 X- }( T( w. D* C: G
4.1 网站分析; B# H; h# M0 c& Q+ `
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。
$ S# a9 k, n% l7 N5 ?/ r7 E
1 X/ C4 \: C& K' f( Q( \ 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。' h: ]/ g# [1 r. a x
t1 n' z% Z4 Z1 ] 接下来我们就要破解 encrypt_data。
L$ j& h0 x- w* [! q4.2 断点调试 JS 源码
: M) C% b9 ?7 b1 y9 g% R 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。" X# u* }2 ]/ `2 N
! K( t) C$ _# @' 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。
9 I4 X2 h9 W$ O/ h
7 v9 g# {3 E! c 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 R3 ?# u, G( ?) u& N; _
小技巧：- o9 n' w. f) N4 j) M, V
1 花括号进行美化
8 F! p" @. s% g, A0 Z4 D9 n7 A
. z- w% I7 u! P% ] 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。! ?% W& k- f4 V2 d* A; Y7 h
3 P: p# P W: \$ J) a; U1 {8 X
1 C) @1 Y- |2 o1 O# t2 控制台输出执行结果- q0 [: c0 }6 i; X9 {" y
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。
\' o" B! k& a, N
, _, {) j8 b7 I% J( j' b$ B- D
- |5 f/ X: J* f- ^8 J
0 z, W4 j; Q! E8 h8 [' d 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：( u0 r/ r& ]- e8 Q
4 f% M5 d g K 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。! R- G4 m. u( z' F& [5 [
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。
: \; _ P" S& @; [ 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：+ {# x! }/ X8 U' f3 s+ N
& \1 j8 e4 K: F) \. E/ a
: [+ f6 c$ Q. Y5 f1 f
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
; `1 h1 K/ ? x' ~7 E
8 x q4 C6 q% s; Z' R6 h |
|
|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
