爬虫进阶之 JS 破解

admin

       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。
1 JS 基础语法学习
: ~; ]+ O1 G! H. ~6 e6 U       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。
; u8 c' I$ ~! l0 Q# Z2 f这里给大家推荐一个 JS 编程基础学习网站：
https://www.runoob.com/js/js-tutorial.html
+ H4 Z7 r& O1 G3 t7 e, ]& U7 Y

8 p1 ?$ @6 x2 T% J+ ]3 x
2 前端 JS 破解原理
( i. z6 O+ L  l: p6 p: o; e$ 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：
  W9 @6 T: t" }. }, R
       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。

: ~' O( ]; y1 B' f; U+ N3 工具的使用
. C* {1 v! y) @$ ]) ?7 D       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
       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。

( J8 h: j* j7 Q$ H; o4 h       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：
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
' ]% E0 @7 {5 P; c4 \2 D
3.2 Nodejs 安装
& o( S) `) R4 B" |* q1 H       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）。

       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。
9 K0 h8 ^% j- ^3 g
4 实战练习
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：
( J: y+ e6 L" E% X& ]https://www.qimingpian.com/finosda/project/pinvestment
; q( ]' Y( M0 k9 f! G( l6 p
6 I* U% c0 y* N; Y, N! M. E: F' ]4.1 网站分析
       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。
$ e; ^8 W/ a, M5 {4 \
       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 D8 {# B0 b5 h# l# V7 }# l2 d& E
  A) `, w; V4 |/ J2 u2 M       接下来我们就要破解 encrypt_data。
4.2 断点调试 JS 源码
       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。
+ R- E: ^- i/ V9 K
. \$ M" Q* f6 f3 z       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。
) d- d% K- b0 m/ f+ Z. m
       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。
小技巧：
1 花括号进行美化
& d' D; [" s# i4 y' e% K2 ?( }
      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。
! K1 P- k3 L3 u9 n; g2 v/ f2 a

! R1 |2 B! F  K5 k- X2 控制台输出执行结果
5 p0 H6 G, e6 \       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。
3 j) r3 B$ r- D: z- D& T$ ?% `
( h9 K5 j7 }% O. a) h

       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 K$ W5 C/ L. _! Z6 ]/ s! p
/ E1 [5 \: w" U: J! X4 [       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。
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。
       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：

" b7 d. @5 J5 m& H2 H; h" n
7 R& R/ H% ~3 H  z       成功输出正确的数据，最后用 Python 去调用解密函数就行了。

立即下载

• 

  爬虫进阶之JS破解源码

  大小：38.2K 下载次数：0 提取码：1200 下载权限：不限制 售价 ：12金币