|
|
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。* o3 ?/ d( V" T& e/ s F+ O
1 JS 基础语法学习
) B3 b0 W4 `' G5 v# P4 L8 X 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。
# B: H4 b9 G2 l* C; q1 K5 V; e这里给大家推荐一个 JS 编程基础学习网站：
7 u7 z% K" s% V4 t+ A9 W4 G, r3 Ghttps://www.runoob.com/js/js-tutorial.html8 I; `8 O8 U: t0 }5 V8 Q! {
4 l A, j' }$ v: k8 y( Y# h
* O: z( q* s1 _% V" E' i9 x
- r+ ~! r2 g# s: [, u2 f; K
2 前端 JS 破解原理" F2 S8 \1 |# P6 h# g! X
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：4 t, ~, P# U- N2 D* G
3 A. i- S+ u: g I
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。7 X; O) ~, f @* Z& i/ t
0 k) O) B1 e0 W% q: v
3 工具的使用
- i8 l$ |4 Q. \ `8 `) k 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
, | c: ]! J; \! i3 G4 k 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。
) z8 W1 D/ P$ E3 o7 g: u* U* ^2 }
+ q" n7 d2 W* g" e$ P 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：4 w' G n0 |$ w2 s( S# T) {
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
9 B* G( o! j1 f: o) w# j6 C* {+ T3 {- H, R. v
3.2 Nodejs 安装
0 w: c4 P' W1 r 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）。
. _$ s, d7 e2 d! T3 t" x
7 `- w( w" P3 z. V0 m 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。. j' H4 L$ s, o! n- s
1 ~# X/ O3 c% s! y) B4 实战练习9 V, e% N0 L1 e5 p/ ~. |
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：5 `! T) k |# d3 {' K6 M* W
https://www.qimingpian.com/finosda/project/pinvestment9 K) |5 X `4 ?3 l* K
6 M; J9 _3 ~7 u0 c0 e
4.1 网站分析
. P% N+ j9 n' g$ B( x3 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。& w+ P. W% L4 [5 Y4 d( ?
& Y# X: W. h; s4 j& _
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。) g% H* y3 e( s9 e) }7 t
4 i. f" h! p" u/ e9 y 接下来我们就要破解 encrypt_data。
) o3 E5 ]( e/ a, i9 W+ q. N4.2 断点调试 JS 源码$ t8 I2 I+ W9 R# n8 i3 R5 e$ c# h
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+ p$ h% l4 l
6 D4 P5 H( x3 s% c8 c7 q. e
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。 V# ], ] E: D/ g, S3 Z
& F& t7 Z8 d! C/ ?6 U; J1 i 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& N5 L! E- W- V- h2 a7 x# e
小技巧：0 P0 [+ Y7 ]/ H- J3 [! R- c
1 花括号进行美化' P# J& C. O: K
0 Q+ o* [+ j/ G: Z7 O5 F* v
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。
9 {) P0 {# X. e3 w
. s% c1 m. w8 v$ X% ]0 w
- \+ ^; w' \$ Y3 G2 控制台输出执行结果
/ J9 a0 v4 e& P, N/ @3 m* ]$ }8 P6 O# ~6 F 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。# @* w; Q. u+ G
, K `& G+ H6 m* {3 N/ Z. J/ f* S8 `
" Y$ F3 q' m4 v& E7 ]+ h6 O& H
2 \4 q, `- [8 T3 V) o) V1 Y' O
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：
2 n1 i7 V( h z) W0 q
9 G. A7 B c# p6 T 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。 U1 `( P+ y1 ? h 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。
( B' b5 M# h: X4 R. A# u9 a, e 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：
$ O/ t! P/ T; _# K; _
. W' z# A0 ^% f. F
& d G9 L( a' R! `3 ?+ F 成功输出正确的数据，最后用 Python 去调用解密函数就行了。
& I8 [) ^" w( D l6 \6 ~$ @
- m- i9 Z1 w" h$ R8 @+ a% J1 s
|
|
|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
