|
|
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。
7 V% K3 W' ^( N( n) o1 JS 基础语法学习
. h; C* S4 ?$ p 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。
% ^$ X6 W, ^+ `( {0 R. y+ c) C8 M这里给大家推荐一个 JS 编程基础学习网站：
; D9 B/ K+ t* U5 D6 C) _7 [* Phttps://www.runoob.com/js/js-tutorial.html( K1 W( y% f3 P- R0 G# B
0 M) H1 }8 M/ w# @# {
8 z4 p a! X6 e8 |( l9 }
3 d& I; j0 }- c' A/ t2 前端 JS 破解原理' J5 X3 v$ |/ o% m1 m' w3 d
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：" s$ C1 b3 i$ |% j
* l6 ?; F0 ^ D/ l, \9 F5 N
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。" p9 ~# q& o6 E. l5 n( Z, @
6 y4 }8 s; ^( f! H9 ~; L' q" K- X
3 工具的使用
0 p a' G2 R9 Y/ }" B- C; ?" ?7 X 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 V; m9 n% K( H- X/ D: Y
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。
$ E. N# I9 t! u \) S- j
% C+ u F+ ^( n4 A2 ]; K L 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：
! G. j: c" h, B, y1 ^. _/ ~# _https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn$ r$ L2 p% O& M! |2 ? L& v
" ]" }5 P/ Q9 C6 B2 u
3.2 Nodejs 安装6 l) x' C# H! Q% i) Q
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）。
5 Q5 q; U" V! V& T' ~
( C/ Y, z! {" D( e: 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。
/ |# L! Q, i" s. _8 ^
, r. r# S6 H' u4 实战练习
. U- U6 f) e1 e8 `; d& Q Z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：2 c G @& K! \+ b8 @! P
https://www.qimingpian.com/finosda/project/pinvestment3 b6 Q7 z6 r4 h! C }1 a
3 k. a4 ~( [5 z$ {" x
4.1 网站分析+ {" q+ v3 ^3 K! o
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。
' X0 w8 y( E0 H2 w8 D
: z& m% G9 ]# I5 B! u 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。
; s- ^" o- `8 Q0 I
g* d- i) I( h0 p( Y: ?6 Y
接下来我们就要破解 encrypt_data。
0 W; ^. W; Y6 Z9 ]8 q/ ?, t1 Z9 L4.2 断点调试 JS 源码
% l* L5 B" z( X( s1 U3 O 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。
- p& r8 q( C' f9 L3 q
9 g h, U& n' X- D: i; O7 u
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。
, [! B8 N* b, ^' V# M/ t
; }. r7 |# N4 t4 r& e( 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。
- l3 ^* O p8 ~小技巧：
. D/ V B4 f& h/ l5 U% R1 花括号进行美化
W2 P* H* S- y9 e, Q
+ M3 q* D: Y$ @/ Y3 K" K7 b) i ]7 e 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。; H, z; E2 q8 C# ]# T$ M
: w; |4 H8 |1 i% M; {0 C
9 c" E5 M2 A/ @7 }1 {0 Z9 c
2 控制台输出执行结果
0 e1 x" C$ ~0 t' e5 v# b 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。3 A6 k; Z. J8 k: j- Y! M! l
2 `8 l$ Y C2 q$ Z5 A
- H" L! X9 K7 S. \0 {- x8 {" ^6 t
" @# _" q8 x6 {
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：
4 r \8 P, H" u2 j; q
! A8 h R3 z$ }6 J2 ]+ W 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。: }% u" Y1 W8 m8 X- G, ]* m/ v
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。8 x1 v2 s% W0 Q& H1 l
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：# W9 _. y6 n! S4 `$ m, Q
% A8 J" d" G8 A0 j
" u; M% a% \% m9 E
成功输出正确的数据，最后用 Python 去调用解密函数就行了。0 g/ T! S; F, ~* b6 P
" y) |% _' w# R7 B: b: l5 ~( 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
