|
|
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。
( D1 U, Q3 h$ d9 a3 o1 JS 基础语法学习7 K; X# R8 J" U+ E3 G$ g9 A9 u
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。( c5 u4 v! c$ l' a8 [6 S$ I
这里给大家推荐一个 JS 编程基础学习网站：* f- t; {: O5 x8 i- K
https://www.runoob.com/js/js-tutorial.html
: h9 J# w) d( G+ v6 _! t7 R- l
8 Y1 D$ U+ ?1 s) W2 h! g% _
( s6 A# \8 d, P6 g, o# F( @8 A4 e
2 前端 JS 破解原理
% m& P% g5 e5 z. X 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：
/ i! {% P. t3 s
9 r0 r: d0 E5 w& U6 Z% S) j7 k; r 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。6 d7 S& }8 E6 D c" X
7 R! F: ~* j n3 工具的使用
/ }# R9 R# f( x! ^5 }: f" a 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: t+ R$ [7 V# T% N
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 T7 U5 @/ z4 ~* ^8 s, f
1 Q+ ?" _5 Y& g+ `) V. E 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：. b8 L0 r. U+ y$ _
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
5 v) Y5 M& w+ v! w1 B5 g5 s" P' U# c/ u7 [5 ^4 ~& k
3.2 Nodejs 安装
$ R! A) I6 Q& T& s" S9 h* K 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）。& U }+ R. J# b& z' G
1 V; l$ c6 D6 L9 C$ Q1 s- h 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。4 d6 A) `& H, l* p I* x# i
) ` X4 _' V9 }4 T8 x( \4 实战练习; r/ x# Q/ v, M2 X) L k9 U
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：
+ g% Z) X9 k/ e. Jhttps://www.qimingpian.com/finosda/project/pinvestment
# J' H, l Z- K h) |3 y9 r6 E8 Z1 i
4.1 网站分析: B, U. M: V+ Z& D2 b7 s/ u0 f
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。* l% B w+ M, `: ~
2 m \9 [3 h% i" c( _4 B 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。
" M* Z2 C3 ~' x/ c
% G, h8 O5 i- e, i" K/ T9 k! u 接下来我们就要破解 encrypt_data。& K4 [5 V5 C# k0 \
4.2 断点调试 JS 源码
! ] F$ r% u$ @/ O2 `) q 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。, k% L' ~- [+ U+ n
3 G8 x% B6 q& }+ b$ t( H, n* d
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。! r" Z' @2 \& b! p
! L: {: p7 {& r0 V) B 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。
0 _ l' Y) l& m/ T% t, m" u. W" A小技巧：
- D2 x& P( ] u, ~' k, @$ m' Q/ N( d1 花括号进行美化1 }1 s' s, ^; W8 O2 ?# \$ R( \& f; g
8 f! N# {: K) u# 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。
# K/ n% m& M3 x" Z9 L) t
" r" A- b% f! j- j* F1 U6 u' [
: g& T$ H- v8 d, @
2 控制台输出执行结果
( V; t- h8 c2 F% |# {: T8 U A 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。, t' L- I0 Q& \' p9 D2 ]- b/ O6 q
: U+ l. T2 T) N9 O- P8 }" H1 J
. v) T+ c, \( [" ^8 ~
$ s, e$ k! y$ n8 |# `
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 |* p4 t1 R: L" W; J; U8 s2 Y
% [$ H: \8 J, Q 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。; L; u/ M# B) }) ~" 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。( O2 _* ]+ s: t
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：
, f( i* v# m7 T# M0 _" S( I$ Y n
( `; h4 `& p5 ~6 x. z
4 R! o- Y9 v' C5 `+ k* Z 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
`2 X7 {7 `/ @
0 `6 n: {# ~* Q8 _8 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
