|
|
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。
% @: H n. n& U: k/ T- q( R) y3 K1 JS 基础语法学习
8 G0 S+ `+ e1 c! f% ?$ ?. _2 K) g 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。
/ ~6 S* n0 j3 v, D这里给大家推荐一个 JS 编程基础学习网站：
/ {2 Q, I4 V: q9 C3 F) Shttps://www.runoob.com/js/js-tutorial.html& a& [* C' H+ \3 [% P9 Z
; r* L' D7 A: N/ g
) I; p. F. F; ^2 R/ f
- Q$ t7 d# u7 z# n; W2 前端 JS 破解原理) S% H) c5 L, b: d) Z: P
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：2 b' F! C1 l" X) e
$ e& q1 s0 ~# Z9 H5 v6 n4 }
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。: P( t, t$ u# `8 V
& ^/ P) U, G$ Y# D9 h3 工具的使用
, N1 @4 p S% [0 B, Y+ {6 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
+ Z: ^+ ^3 B& W3 [$ P; |* }" g' M0 U 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。" i j# B9 Y9 c; ^+ S: Y" u2 E
* g5 X1 Z# ^2 X# q3 I, T7 {
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：
0 H. Q m8 T* Lhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
/ d7 I/ e4 C. k: o: @5 X3 m% H8 L6 C. \2 M1 Q$ f
3.2 Nodejs 安装' U7 ?7 y& s8 W
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）。
2 ?- ^* x) H1 b* m4 r& g
/ T% [/ a4 a* H% y
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。2 N! W& N7 t1 F# D: P1 m
: K$ r/ a1 M3 B- J- r4 实战练习
" \. D' ~( m$ _% A" i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 U7 _8 F3 V# H# E, d
https://www.qimingpian.com/finosda/project/pinvestment3 @& l* o3 T0 @" j, w: X
" v7 I: }! J3 n7 x. s
4.1 网站分析/ U; J- u: B4 \5 E, R2 b+ }! j
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。4 W, A( ?, [4 N8 f6 Y
- \% ~! Z8 S8 A n) O2 Z
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。
: ~; V- R+ S5 }) ]' T' h
2 K0 H' o: d0 r2 c2 y: B
接下来我们就要破解 encrypt_data。* {& N. w }: z6 q& R* f1 N; o$ ~
4.2 断点调试 JS 源码
2 O5 e! N' z. h$ T4 l; @# u 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。
$ _3 R# P) F5 _' z
. Y' a" A" a% V# x! C
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。6 Y0 v1 m. s& V0 C
% \+ t. }4 h# n5 _" m0 z
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。
6 g l; _7 y. U/ z. K小技巧：5 l- ~% u- F: X/ _$ V
1 花括号进行美化
- t2 i# A9 _3 ?# n5 r* m E t$ v3 Z4 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。
4 ^, d! q& b1 Y5 i9 Z" Y
- R# B- q( A. n
* r/ F7 V+ b r! _; l5 u+ m2 控制台输出执行结果
" n a# \: X7 f3 R 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。
$ {0 S2 e. j: ^9 U' q; p0 v; Y+ ^2 d( \0 y2 v* Z2 x# V$ k3 B3 c
# o- t U7 u- k* D' T
0 {7 @/ B9 |4 ^- 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：
/ a4 b% j9 E( t( o* V) D4 U. ^% i
' p! Q9 f9 Z2 U1 u4 Q" 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。
. Z/ g; Q3 Z6 j5 |8 V/ N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 w" N! B* F6 D- G" ^
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：
- ~; g+ s/ K5 x4 t4 T- C
7 ]$ o8 c3 |& s2 n
( o- Q; \# m' C% I8 e- ?; x 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
0 l% Y% `* ?# Z9 k" \' O" j& v2 y
3 ? ^( e) w: C% a& F$ V. n! c
|
|
|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
