|
|
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。
1 ^8 y6 K) A9 c" `" `1 JS 基础语法学习
! k+ o; A& K. U8 y+ M 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。# r5 U' R" G' a- o% N
这里给大家推荐一个 JS 编程基础学习网站：
" j1 W3 }- G0 Yhttps://www.runoob.com/js/js-tutorial.html3 S" a* l: N! [! Q9 I
: V; l% [' W1 ^$ n
/ d5 g0 f: e# V( m
$ y( y `6 E7 C7 ^/ o* g2 w: l
2 前端 JS 破解原理: C, E# ?8 y! Z: n) y L
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 P) a* o1 P p& l, E, k# m- x
" E" Y& X' G1 x: Y: P% B 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。8 q# U s- o! l0 b: C3 K# M
! V* N: `; S5 G9 A5 ]8 h5 t3 工具的使用
8 S& @5 E1 ?) v2 B" M 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 S3 X7 N# U. F" }& w
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。6 p3 F |- I9 f2 t5 E
2 {) u. G: D1 D F, ]' [7 ]. V) ?7 v 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：! c# c7 B$ N$ J8 x U/ e
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn3 G u$ B* p7 L6 s
' y/ L( g! B" a M# Y3.2 Nodejs 安装" s+ B2 A8 f1 X! y0 M3 I, N
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）。
: T4 w9 P/ g6 y& G, o* F6 v
6 ?4 c1 j% U" O7 j 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。
* h6 j O4 P+ z% ] u% ]+ l- g7 _5 ^1 s r
4 实战练习. w6 y4 S3 k/ L/ V- }2 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：
* A3 y. `/ f" E6 {' U/ fhttps://www.qimingpian.com/finosda/project/pinvestment
* Y2 h* B* ?+ @! q
/ U3 E2 P" a. x0 S8 h% W" H; B- }2 h4.1 网站分析8 P: p, K5 ?2 z8 K1 Q( J2 U
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。: A) P+ {2 L6 S: \
" c2 _9 {2 _0 c% P2 U' Z% ]% m5 ` 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。
& Z/ e8 C$ n* ?5 m9 e1 Q7 M, F
3 P4 V9 s& A' ^# i" o. A$ c- {
接下来我们就要破解 encrypt_data。
+ I' S) G. U% _; f5 E3 F/ o% z4.2 断点调试 JS 源码9 o k7 v, f( l) D: 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。
$ X/ R1 B7 ]& b0 F+ p
1 B4 v# _2 R" w# S+ \
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。! N8 f+ V. x# x% [
( m1 R3 ~3 ^, r+ i |4 ?3 I: J2 s
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。, O$ C. m# P0 j' p+ \. y
小技巧：
7 L0 p- e" N0 {: r# q* S1 花括号进行美化
% H( Z+ y' x9 c6 _; Q6 U7 E( [! M8 F
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。+ u: N: U4 D. ?" k5 l3 g
B' Z1 n0 v; s, P
9 L4 L/ M0 {( A7 l* O
2 控制台输出执行结果* G- ]# R: m+ u) o& o
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。
( k; f) E% L# [" E2 ?3 U
! W; q+ E4 J9 C/ [5 w9 N, d& ?" h
6 ]& U: f, A' V; S6 Z, t
9 s8 j: j3 s0 O: U! Y7 c 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：
( H+ t; B6 x6 ]/ @) k+ E
5 L7 N& f, b* l3 w. |3 N5 g n 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。
, W2 R i* E/ c& s% 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。: g/ E/ M1 F: u+ n6 Y/ M
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：" c+ E9 d3 K' _
1 m" u$ W, N+ ]
# B9 j7 E) _! ?0 `, f0 l- y 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
6 u) S+ O% D, u" b$ w3 ^
; E1 n5 ^0 b9 f) p2 y
|
|
|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
