|
|
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。
' \; w, H$ S& G! F) S1 JS 基础语法学习
- S* D" `8 a: w% w; D7 `7 [ o 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。; P j! d6 p1 q3 w% e7 v% s
这里给大家推荐一个 JS 编程基础学习网站：5 e1 v; X1 A; G* W) X, l2 Z! ^- |
https://www.runoob.com/js/js-tutorial.html
. Y5 q1 ^! }" y2 m0 ~7 Z8 K* _1 P) M1 |3 j4 Y
! S2 V+ o! v% g# F7 J" b
, U: N! o1 Z2 E- _9 Q
2 前端 JS 破解原理
6 W8 l4 |7 D1 o2 B4 f 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：/ T! f) W: [! a
' m3 C) _1 i7 g: P/ {. `/ y4 c
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。
/ n' {4 r4 Q+ s$ F: o/ j. ]; x7 g7 ^- m' e) M
3 工具的使用) s2 d6 b2 Q L8 Q0 ]% P# r& m. M9 s
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
" B% c( C- i% G& \# \( J; X 学爬虫一定要会使用谷歌浏览器的开发者工具，按谷歌浏览器按 F12 就可以弹出具体的页面。
1 l' v3 I- u8 b2 v, Z
l; P6 K7 v: T5 g# V 在开发者页面中你可以看到网页的源码「Elementes」、控制台「Console」、网页源码「Sources」、网络请求面板「Network」等等。详细的教程可以去看下官方的文档：
: v9 l! k+ ]+ \) I1 f+ `' [ ^. l# M* `https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
- D: g+ b5 P+ ]8 P" H# X7 @( p$ N, J2 K
3.2 Nodejs 安装9 r& f/ a: N% \
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）。; E1 z+ }# e# _# V# d! A
" x* R5 a3 p1 E# A 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。- p! v& D) L0 ^ t, f
, M# o/ i- W n( L8 {8 J" d4 实战练习; P6 ^% P D8 U3 \: L* k6 `) A! r7 I
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 ], q7 w3 `9 chttps://www.qimingpian.com/finosda/project/pinvestment
' Y5 l4 |; E7 A8 r# Z) w% X
" Z) k: _% q" d) U4.1 网站分析7 _7 o: f+ q' T: _
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。2 @+ m: i. T) X, ?8 t u, |
1 X1 [$ k( d9 _- |* \9 k9 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。
) I. [+ B2 {, l. W$ a# W
4 V' e( p7 v4 l. v8 t, H# I 接下来我们就要破解 encrypt_data。0 x# f& U0 q# L% Z
4.2 断点调试 JS 源码: T, c* W5 K% J7 S
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。
e/ }4 {2 J) P1 B/ `
: q: F" Y+ u. T. Q4 t2 }; 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。" _" H" s) b# O
2 Z1 N* S4 E5 [( x5 P5 O 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。
- k3 B8 r$ T$ R6 w. a5 _6 L% @小技巧：3 _9 R' `4 j* l- I/ U6 e
1 花括号进行美化; G9 s. l, n: C( ?
# }) W6 P7 J" \. {6 k' Y
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。" c7 v, t9 L6 S2 T
$ T; R- G; w# ~& X( ?5 [
6 e O% U2 P1 g4 ^- B
2 控制台输出执行结果
4 d" b( V5 y* @8 F$ c" u1 T8 L 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。* U# V( l( H8 ]2 e3 S7 A
+ f: m$ w, b$ x/ H
# _; G6 G' t! n" v- P
! A {% C! j6 W j Q* C4 P6 a 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：
- H- } Q# V c0 C* r
# G6 k1 [' Z9 |9 r) ] 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。 y3 s# w( p- W
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。
5 g5 s. m0 l3 E& L* J 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：
/ U7 ?" e% [" \, |7 P( L1 j! d$ U, v9 W- f- m: L+ I, v6 b/ S$ Y
- `; ~% Z5 ]' n1 @) `) O4 R
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
, u# r8 p+ M3 f+ ?: H# r
( R) A; q2 [+ }7 C5 j |
|
|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
