|
|
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 s l% c; {" Q2 E* o4 n+ R' I0 M3 M @1 JS 基础语法学习
% }5 H7 ]' ]9 `& t 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。4 r9 q: C3 o- O$ n
这里给大家推荐一个 JS 编程基础学习网站：
( Z* U6 S7 L( J6 V9 r7 [$ Z0 vhttps://www.runoob.com/js/js-tutorial.html* _0 F; C9 P6 N: E( \# O0 O7 G
) i. K* u+ u+ ]; _: ` W
, s+ U* t0 m- k) g2 Q3 Q
7 X# ~5 L6 b8 ?' K& _* u. z2 前端 JS 破解原理
1 N3 S; N9 f# {8 P9 @ 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：6 E3 [ Z* q6 V9 [3 [
2 @; Q$ x" V F
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。
1 a- o+ m0 s$ `) c* y7 h1 {" q0 l
8 Q3 I6 M% Q/ J" f3 工具的使用
- j8 M5 H0 O1 f8 Y# M6 Z% `: _ 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
# Q' @# h. w7 \# L* `6 E 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。
# ^* T: `" v0 y, C
2 V) a. H; X6 R8 U$ F' z/ 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：
9 K* R: f1 X% d" B* t7 C0 |2 h( Ohttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
: T8 x! C, o# j4 \5 g5 d
) x+ X# U0 B- a; \6 f- V) P- I3.2 Nodejs 安装
. y' [" D# L# z! X* j) J* l, C 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）。4 ^# k. d& o1 w1 j% ~6 v' o
" `2 S7 v: N9 E3 h5 k 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。
0 g# [$ q4 e7 q# r3 _1 p) ?! {
, w: p% G5 F+ F2 s) v7 t4 实战练习
5 U- X2 b4 q9 J) \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：
. B5 L; ^: ~7 T* Thttps://www.qimingpian.com/finosda/project/pinvestment
- Q- c: H, m" y$ k. I0 I5 W, e+ [! K5 a" V$ h
4.1 网站分析! G |- `4 [& M# U
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。
% h. ~/ F' D. v- E K
7 `: `$ h9 F; k" @ 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。
7 u5 @. `, J0 O$ d/ U. t8 ?
/ z2 I* w$ p/ T7 I1 @7 {* V; j( V8 J
接下来我们就要破解 encrypt_data。
' E8 J- W ? X8 b4.2 断点调试 JS 源码+ v, f& C( r t! I8 V
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。9 H/ y& Z0 w5 [5 S L
6 o3 M5 V) `$ f y 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$ T# L; H3 X+ _# D
- B3 m9 H5 ]( p. H* k1 D$ F
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。. x8 p* \0 Q* K0 O# V' F: L, z7 ~
小技巧：
# Y5 l3 n8 `! W( E+ X1 花括号进行美化
$ ]$ E& `3 t7 l$ ^0 f8 a/ B5 n3 `6 a! @; F2 t+ R
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。" D3 [" D M1 C' ^& I) d- l% X
, P8 o3 H7 z! G: M
# @9 z9 }- m. }
2 控制台输出执行结果: x* F! q2 K @4 u
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。% s( q- a& r2 O I6 M$ o) n
* v7 D9 J" B& U, ?, O
& }5 l, D% n4 I9 P1 ?0 \# ~
9 l+ m/ S1 J) d* i* m1 F
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 ^. U% ~ _ J4 Y: G" } Y2 |% y* n
' I+ }( t6 P A k* T# w 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。3 B: P. i1 a& S. }+ R
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。! K) C* T& j. s5 u5 ~" Z
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：1 ?% f4 i1 d! W7 ?1 g9 T: {
; s9 C2 `8 y* @# @' b& u. e( H
4 Q& B- t& U7 m0 U- N7 W
成功输出正确的数据，最后用 Python 去调用解密函数就行了。! f8 S+ O! u( }0 m! `
% F* N% y( p+ E r- ~1 ?7 T, I [4 W% k |
|
|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
