|
|
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。5 V: Y0 q9 ]& r4 |/ O; c! G
1 JS 基础语法学习% W6 K, \8 ^2 c/ j( I1 |5 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。
/ H' z4 l' j8 P; F这里给大家推荐一个 JS 编程基础学习网站：
( T; @- G. q6 ^3 `" c* p6 khttps://www.runoob.com/js/js-tutorial.html
3 c9 N9 O. d1 z7 A, J
4 H0 i+ r) s6 V6 B2 Q$ ]
/ m' v2 V+ x3 Z* \' D
5 Y, Z" a' R7 G6 B2 前端 JS 破解原理
' s4 X3 Y$ w; h) k: B3 i 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：$ o& u: u4 P3 r/ @6 s
: M; { W8 }+ A6 b' a 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。
/ e, U1 f6 E' ]3 L- n! Z" @& i- y* R% n# q7 c% C) H
3 工具的使用" n$ s3 m$ X! d7 ]% Y9 ?' E1 `- o
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: W/ U8 \& M: E2 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。
; J0 I/ c4 Z1 n# b& ~
O( W8 G% s& k& M# S" C) W- j 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：. r j: f; i. G5 z* J! W2 W, I
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
' ]; ~! M9 H p0 f4 v4 b* P
0 o3 d! u7 R+ k0 e7 J' M3.2 Nodejs 安装& Y! v) F" B# k- w9 Y, 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）。
7 ?. p3 s9 l: M$ H
: Q$ r; }2 j, o% X/ 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。0 D6 j3 m( P+ R
# e* k& V8 z/ A: J, o+ }2 a( u8 g4 实战练习
$ H2 X- E4 M8 A, v( k4 v$ L" `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：
" ?7 K- y4 N5 U5 j; \+ A! uhttps://www.qimingpian.com/finosda/project/pinvestment4 s1 Q* m* U2 g3 F- r& q
, \% { Z9 m9 c+ r1 _
4.1 网站分析
, `6 w! o6 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。
( y% p/ Q8 L6 u/ [& j. P* F e% X, ^
- j6 T& C# C P; z# 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。
5 @& u4 T4 R/ l
; s! e* ~- k0 r; Y6 \ 接下来我们就要破解 encrypt_data。
$ E5 g# T/ z# P1 n. m4.2 断点调试 JS 源码6 X$ F( z/ [9 j) v
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。
; G( Z- G/ @6 B, m
; w) F! J; ~% b8 W
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。
( _1 C2 D9 _. A! S+ E: }* `
+ q' n* p F, ]: 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。3 O5 J; b; P2 }6 j e
小技巧：7 q7 r* z9 n3 v+ d' V/ g8 m j
1 花括号进行美化( R; _" @1 L4 V+ P0 v
( B; c" f: n' t7 e% q) H 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。; q5 t* K+ i0 O4 _# l3 F
- M8 U& ^' ?1 }; T8 \2 U3 l
, k; E2 W' o" Q, t9 s4 |3 H% U/ P
2 控制台输出执行结果! D" P: L' l: ^) z3 t
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。
- j9 ?$ b& @0 E- o, b- q+ [
: B. V K' K+ [( M1 b3 V$ g2 j b
1 A: Q5 {, w4 J
U3 v: x2 w" C( F$ V+ 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：
5 i7 E( u7 |% v/ k
6 c. X) E* ] J1 i& Z8 y 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。
: V0 ?' I. K9 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。6 e/ M0 H J; v: l2 `
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：
Z' m7 I4 |1 B1 B! ]8 Z( @& i% _0 v) S2 s
1 L( f6 Z o% N1 s- S1 q
成功输出正确的数据，最后用 Python 去调用解密函数就行了。% T+ q5 f1 t. B
0 q) W( g* R) G; {1 z. Q9 K5 k0 O ~ |
|
|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
