|
|
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。
; j" U& g3 w- q \1 JS 基础语法学习
9 `5 B' C: }( ] F- n 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。" N8 ]) H' l& q) d# @
这里给大家推荐一个 JS 编程基础学习网站：
4 N; Q; e) s4 G* l6 Zhttps://www.runoob.com/js/js-tutorial.html) b* G2 H6 }/ T4 f& E M! H
6 ^9 c5 h0 f- v' [
7 U7 l/ `: C+ D+ |* u" i
6 m% L) t/ `5 @& C$ P
2 前端 JS 破解原理8 r- g% Y+ R1 j2 D) w
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: c2 {1 l7 ]; Y% _, n( T
5 G# W7 T/ q8 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。% ~, X7 B9 n# t# ^& d% [+ [3 q
7 m- n" b% N, A; k" M0 s3 工具的使用4 L1 Z$ T+ P; B% ~0 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
9 h! Z* v( K6 W2 `9 `; T0 y/ 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。) y& a! m# i; J3 P4 ^5 T
5 y. _# @* j* b7 I1 G 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：
P, x N% T, ]( N- o& yhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
8 {9 K& M1 K& H. l5 V+ Z1 U
! S$ j6 }; G" l0 H$ I$ _3.2 Nodejs 安装
5 x* N% m8 Z( ^: _ 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）。
h2 p! d; m: [% `6 o6 t2 {% L- x/ F
& u4 X3 |& k, {$ S! y$ s" T 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。
# {1 z3 Q; t# B* ~, [( {
. z* i* U2 [, s4 实战练习6 n# l- b9 r0 i- S& i) B; p# d1 y
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 e2 q' b' m; j! Q- W
https://www.qimingpian.com/finosda/project/pinvestment
( ]& ^3 ~& W5 c' \8 \0 y( {
& i$ |# u; x0 q0 w& _0 _2 U4.1 网站分析% k _: ?" v5 S& O6 k& 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。, |# X' A. q: ^1 a9 g: E( z
6 z, Q+ G! }, c9 L/ u% E! 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。
& \8 N4 |% J, @# J W! o
, {- R: z2 A0 Z# g2 a/ Q 接下来我们就要破解 encrypt_data。
( l- v0 {% n! j' |, L1 v* e% e! F+ t4.2 断点调试 JS 源码
, t0 O3 W+ C" i 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。( C5 e( t% w* S: |9 t
# [6 `) V! Y1 A; m7 s Q$ I
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 [; H# [6 Z( r; ^ b
1 M) J8 R* g/ w
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 z' S) ]) N7 O* Z- a' T小技巧：8 \5 s! R* d! u2 h. J
1 花括号进行美化3 ~$ o3 N' i* }% C2 Z ]1 _
( ^; e# f% i, d N u# L) R, r* _
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。
* @$ Q4 k1 T( ?; }1 Q1 v$ A
% |! k9 @) g2 ?7 j7 p) Y
6 D+ a! b& S5 b% b8 K+ _7 C$ p- Z2 控制台输出执行结果. g$ n4 K6 [0 z
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 A/ F2 k, z
, m S9 M6 o' G8 b; \ ?
6 C" n0 v# L/ I% o, J
- v$ M* E* @$ j$ 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：
. W; E' F. K3 o% I5 Y( r0 a9 m
9 G! I5 J) N) l 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。
1 n# _% J: k5 P; ]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 z ^. e/ n% b) n* 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：
7 X# N. v* E s0 c5 F
5 F8 T" U# A4 M+ e: } a4 j
" d* ? B8 V, o% i* m, y, o
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
7 M: H/ d1 y4 g
" O+ @8 J$ V. x8 m |
|
|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
