|
|
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。6 u; I, D0 \9 F5 P
1 JS 基础语法学习
* Y, h8 e( G& J: I# l) y 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。& ]; @5 m. ]: b
这里给大家推荐一个 JS 编程基础学习网站：
6 @: W* K- [8 q* mhttps://www.runoob.com/js/js-tutorial.html
# X- O1 ]5 n" ]$ U4 ?- u) V8 q. E$ o. y% w' X- }* ]- l6 c
$ z5 C* u( i" \& v
; C3 B7 w, @2 r! x- g
2 前端 JS 破解原理$ P# }. u0 P$ @) g" B1 M' h" @
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：
0 \7 w" X( I8 y, L/ T
3 s% V. w0 C* Y4 ]2 E
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。
& d- f8 p0 R; b- N- j1 n& W
) |+ K; d2 Y0 D# g3 工具的使用. A G9 y4 A/ _. U5 E: n
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/ c' l( Y, Q$ C5 B& g" c0 q1 V5 `( b
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。% c t( h0 Z" W7 {$ }1 |! S
$ e4 \, j2 l* H2 R, ~) Y
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：! P1 s# M$ `; |! u
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn. Y. S. g# A9 P( Z1 G, O* u
, I; T) O0 \" b; _" T# l3.2 Nodejs 安装
$ S& M# _4 W4 a+ H9 w# ]0 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）。
1 P3 V' A M3 Q6 O2 I1 f) X
: k- O! L8 h7 w* A) U+ S 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。( s2 B7 C/ w9 g" S
: g& D- u/ @' n; T _
4 实战练习7 k9 {2 t+ V0 I9 o
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：* w" ~- I, B% U ^
https://www.qimingpian.com/finosda/project/pinvestment
+ }" d( U3 t# H% T3 k, R3 Y% o4 K& X6 I
4.1 网站分析2 ~, w8 T' b0 I; L& m: B
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。
0 w. l4 N& X+ Q" c( P1 ]' W
$ b) @* U* ^, [) w9 b
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。
% l1 M" W4 ?# C ^- `& I
' D$ O* H# q4 ~3 J/ f5 }0 J) N5 O. Z 接下来我们就要破解 encrypt_data。
5 j. i! t, l# G" K' b4.2 断点调试 JS 源码
3 S1 K0 O" W1 R! z% 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。
8 S9 d2 e4 R. C& @- _! B( {1 J
" W: g" r" F6 r9 R$ \& L3 j. \
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。0 S$ _8 M3 Q+ O1 Q/ y4 E
! u( V: v# g, x5 }! C i: B" V 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。
8 Q. M" v& D% l( V- B/ t: I3 w2 x5 j) P小技巧：
( l) \& e. A5 X- S; A7 M1 花括号进行美化- c6 Q( |) N6 q5 R( B
- t9 _, O: g+ \ 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。
( J8 P: h& x H3 K7 t# Y9 s
5 `# k2 O4 D3 Y1 R: J
% G) \/ E, M$ m$ I2 控制台输出执行结果
5 ^7 z5 F: W+ s% s8 U7 P8 u4 X 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。/ b; V, U& ]$ F; c' `) A2 Q& T- K
7 W4 k: D& s) k# @
Z# U9 b9 P& z( |/ B" i, R: J- W
+ l& O% d. R2 K7 ~0 G% j# | 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：7 G- i9 d4 t& e& w+ n4 ?
* f0 D' y9 F/ I! f5 [# Y0 \4 i$ 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。+ P# b3 X% r- [: q 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。
! f. i. K( J. @$ 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： [3 K/ A" J' ?8 o- J, G3 ~
! i. T* N [9 h3 r1 G# o
, u) g. `* r4 x; f6 c6 _( E
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
' _8 m8 t/ V/ B" F* T
8 v/ Y9 s9 {, H5 `9 L
|
|
|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
