|
|
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 N, I* `% ]% Q2 Y8 O: Z1 JS 基础语法学习
# @( q+ w# m- |2 A* c6 e9 r1 C% w( | 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。5 a* ]0 P' |6 z! b* K/ s( y, N
这里给大家推荐一个 JS 编程基础学习网站：2 A+ Q) N5 o; s, r: L0 ]3 O
https://www.runoob.com/js/js-tutorial.html' Z) P) `% @5 f0 e7 Q
3 |& a# }$ x' v0 c! _4 W
' m1 g) f9 S; A
& ]: c* x6 |* B$ [( S
2 前端 JS 破解原理
! |* B# }5 L. Q+ t/ f+ d7 i" I: e4 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：& r D9 ]1 m3 w( J+ {" s
' S1 u4 K+ [$ P1 o
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。
1 p, M$ _& y. D+ l, M5 a" v
0 P3 a; {0 Y. R% W; b3 工具的使用. _0 P) Z5 I! 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6 w! m3 r" b6 p! [" 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。9 o( Q- Y. q0 n: e
- @. n. M3 a, Y2 h( l5 R 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：
/ u& i; r) k' L U7 yhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn3 W. e; T* h/ d. a5 ]
: q% s2 i. e, Q' f
3.2 Nodejs 安装
% r6 j, b5 f! S) A; ~8 ^" P 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）。
$ v, a0 |/ L$ G7 t0 n
4 [) c' y8 a( I$ f# g/ w 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。
, F( D7 M! j+ j2 S" w3 D y1 N, z5 J& T5 b6 T& C7 l
4 实战练习2 I: Z9 G3 K$ N1 r. W( z9 z4 G
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：) |% V/ I8 Q/ Q
https://www.qimingpian.com/finosda/project/pinvestment
2 e/ S( J9 o* G* F& H# \+ z2 s) ~' Y, g+ b: {' z/ u
4.1 网站分析
7 M8 P9 r: x. ?1 q3 H0 C 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。
6 s( `* o7 S$ \( M) v, h
. Q2 h* Z/ \$ N, M- i. l8 D, 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。3 R% w7 @3 u$ [0 ]2 A, G: ?" Z+ E
1 _. d, ^0 S! ]# G2 ~
接下来我们就要破解 encrypt_data。. s) m0 y8 v3 s( D: j+ K
4.2 断点调试 JS 源码; l* R: W: j8 D- j* B
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。
$ @( h0 e/ f6 v. U7 D4 p
( T' r2 X( X" o$ Z! v7 Y! I/ J* Y1 O 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。8 S# h% x7 x; N
# b2 d9 t h" Z5 |7 y4 ~+ ] 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。7 j" a2 j! _# W/ @ `
小技巧：
/ c+ a3 C, R- i9 o: n; ~5 ^* T1 花括号进行美化0 Y' J: c2 Q1 ~7 E0 w
7 O# R, P5 \0 |: j
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。/ x9 T2 c: ^- D4 C3 h
5 p: U$ [& {! c8 ^, T) @
4 n' V* ~! D4 ?: A) G8 E
2 控制台输出执行结果7 m6 d& E7 u% w2 R3 M1 N
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 ^: N. m' a/ x# C* v% S }6 v8 G& u
! d/ [$ Q) {+ \$ k0 |
@/ h# V: t; y7 }- u3 P 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：5 j% m0 N% h" s! r8 T3 H4 S2 S" Q) ~
6 R/ @4 H1 C4 ^ T! 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。
, w: `6 y* m) x9 ?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。
L6 E0 z: B f+ t! ]1 b5 T% E8 Q 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：! u$ g( j' P# G: e
# e$ r. g: B1 R7 x) C
# K4 ]8 x- _* t2 X& ^+ t8 V9 b
成功输出正确的数据，最后用 Python 去调用解密函数就行了。0 \6 ]& f0 C+ N$ I3 y
! M9 L/ Z p7 U4 } |
|
|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
