|
|
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。
2 w0 \: @0 b2 j) ?1 JS 基础语法学习7 b; i! b* r' O) |5 Y' T# D
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。
$ m4 J1 w) i) j这里给大家推荐一个 JS 编程基础学习网站：
) y( n) H7 v0 A! m' S9 F, r" K9 R/ b3 {https://www.runoob.com/js/js-tutorial.html3 i/ X2 ~$ P {4 C# h% ^
- ^1 Z8 K- l: n$ u6 N
" g$ t" {' `0 p4 }( _' s; `$ \* o& e5 P% Z! ~
2 前端 JS 破解原理
/ Q$ g g2 l7 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：/ K; _8 Z# |4 w8 s( z5 |6 E
# Q4 U& d$ w3 D+ i3 K0 z
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。6 U! L9 J1 E- Z
8 k1 x2 D6 d3 V4 Y$ i; W- W- `
3 工具的使用
& d+ P) u6 H6 T* _* K& O! H9 J" 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 ^* @1 Y. d t 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。7 I3 c2 `- X0 ^3 F8 b
0 ~+ P# h8 g2 b( R& ~( f7 C 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：
" }9 P4 q9 F# Y; a; v* @ i6 ihttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn) m6 p/ ^* ^ z: G7 v1 K- F
" Q$ ^; q1 v; b/ G
3.2 Nodejs 安装- D ?7 [) ?; k1 c1 A6 h. E3 P
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）。9 }6 Q! U9 y8 p" ^3 J, R
) @+ p- o. I i. l) V6 K- t7 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。
- N1 z6 p( o- j! \+ {7 X' q ^. E
) ?1 U( G0 _) w+ Y) L' E, s! C1 n9 H4 实战练习
) {1 k9 y$ o, X% f8 J2 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：
, y$ O6 @/ D$ h. J& v2 b! [. lhttps://www.qimingpian.com/finosda/project/pinvestment
/ X4 C D9 I( D- T% S( w( E7 H$ a( N8 B7 ~0 m' H: B
4.1 网站分析: T7 t. X6 _/ q/ ]2 h
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。
8 E; t; j. R: |
7 a7 m# r3 M' X+ S4 r
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。# q8 ]; M& v6 K( Y! U) y" r% F
- Z5 H) G t8 o. K9 s# P
接下来我们就要破解 encrypt_data。3 L2 a3 d( k% t( F$ g' `; a
4.2 断点调试 JS 源码1 w- R3 b& B2 e ^& L, F- p
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。
. }" w. l0 P A' g5 D$ v/ d; X
0 a/ V) t, p7 R2 w2 L& 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。
2 g4 g" \+ L; _
( T, ]% B' N9 @# {
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。
$ \3 j7 I) q8 P' n* l3 k U小技巧：/ P" k1 c: C, l- w1 T
1 花括号进行美化9 T8 K' u! F) V! ~; ]4 _, u) U
: }0 F, o1 j9 M" u+ H! 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。
9 i6 a- L4 v1 o+ u9 Q
4 v; R( O% d" e" V( s
4 P7 G( [# P# H, ^$ o3 O: j% X7 a
2 控制台输出执行结果
$ O1 r3 _3 K3 f Y% `/ T( _$ 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。
$ C0 _9 `: n) z2 e7 C# B2 D& k% z. r& I [/ g# s
& n; D' J" k* {/ G( U; L. C, ?) W
. ~0 o. H' z# @- t4 i 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： E7 I0 w# r$ x, `$ x) I; c
6 q4 Z: D C5 u( b 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。% Y0 s$ k7 p$ U6 h2 c- h6 a
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。
- Q) d% F% Y5 T' n. J$ h7 |$ Y 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：
8 N, r# ]( h+ i4 i( l Q* d5 i2 `9 z+ z" f9 p6 R( }
7 a- A2 u# J* J
成功输出正确的数据，最后用 Python 去调用解密函数就行了。7 }' _7 e$ V7 J( y" {. P
4 {6 P5 ?& S/ o+ `, Z- 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
