|
|
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。' f) o7 ^, {9 J7 F% v3 k
1 JS 基础语法学习
2 o+ ^2 l# S4 b6 A# X" J 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。
$ X# V9 V( P- F. G6 o$ G) k8 J这里给大家推荐一个 JS 编程基础学习网站：# B4 X3 y( ^& @5 m' u: w
https://www.runoob.com/js/js-tutorial.html
+ X* i; j1 P7 ?" S% _8 K
6 Y: Y2 [: _% I
8 F" m# [& J9 p( i4 b
3 M6 y6 [4 t( a3 W& S5 j2 前端 JS 破解原理9 [$ l2 W2 y' p7 Y
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：
9 o9 ^: z9 U8 e
. Q: j! \+ B7 P0 ?$ j 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。+ W/ y5 `7 C3 M& I
3 S. U' [% b- a+ N9 C8 R) H
3 工具的使用, J) m' H) F& i% |# E1 Z+ 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
& X" w! C: S+ O7 g5 R! U 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。
2 X2 T* r' t6 e- p" x
' C. P9 D! K3 Y9 I/ J8 E
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：3 y. i9 b1 z3 I9 d& }
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn# B: n' K, b5 W2 x
' ?* v" s' V, _3 V; i: c7 c
3.2 Nodejs 安装
$ B8 B3 r9 P. j 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）。
8 q; U1 y2 n0 T8 [# _9 v
5 R: M5 k9 |2 R) e1 F- c
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。: l" z6 G* {% W, F! G- ]- s( T
1 @$ G! H1 p/ @8 h6 m" c
4 实战练习+ G4 {- \. ^: ]/ z& E4 I) ?3 r
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：) c2 V+ t% U- O V
https://www.qimingpian.com/finosda/project/pinvestment& N1 x H9 Y1 y0 C, E4 r
4 p# }! k# u1 \$ o
4.1 网站分析0 b* H$ { |/ u- u5 H- 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。3 {, B+ s8 L' K4 z5 ^1 a7 t
, W1 s* \' G: [9 X: H: S. t, P 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。
q2 ~, x6 F# p5 r# Y& z% Q: o
0 c) T- C' t |6 j
接下来我们就要破解 encrypt_data。" W3 p5 j# Q. O4 n
4.2 断点调试 JS 源码$ O5 m* u" X$ T9 w
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。, G2 s$ G" V. o8 d; K
3 L" g6 p; |9 F0 b+ V3 e
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。: _7 c, R) b, y$ _
; t" N9 l$ R; @' X8 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。2 Q* k+ o, O' x& z9 h
小技巧：( G( ?$ h4 }! w/ q
1 花括号进行美化
0 [- d% S5 ~) o+ L
/ i) Y$ n% Q: L" ~$ k 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。2 N7 o; [8 N8 p: W
9 p$ W/ C5 r0 ~5 o
0 Q/ X2 {1 B7 B
2 控制台输出执行结果
7 M8 i' n" h( K* O# m 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。 e1 b3 I }- G) l, w
4 t" M& u5 [' G' X/ }9 |9 \
$ r; \2 \6 M/ L) z2 I
l& ?* U6 z8 S" v2 ?
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：: @0 r S- [9 s) c' |! i
' B" O+ m' s) P. Q: I 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。
g0 r) b5 X7 y( V' F: _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。
/ r: d( D: p5 X; b$ Y* 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：
% d1 z! p4 d" H& _3 u, A4 R |( w# F( d* J2 G0 l* Q6 V" j
9 `- d! u, S ~7 T% T3 \
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
# U" d* o- a" c; x( z% }
3 V' @" k7 C1 B ]
|
|
|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
