|
|
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。7 |, E9 _7 p6 }; a
1 JS 基础语法学习8 g& u! X* G5 F2 s
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。
8 z) _6 e. ^2 \$ h8 K- Q这里给大家推荐一个 JS 编程基础学习网站：
, C( X' ^ P) J6 F) Nhttps://www.runoob.com/js/js-tutorial.html, A/ H- h* s: b! ]
/ f5 D6 T. x, F/ i/ E m) @
$ P/ c6 S% A5 N' f; b
9 ^. u8 s: j5 [; W7 x( D2 前端 JS 破解原理
% S# k; |, s% P5 N) L |, }; 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：3 W8 |4 F3 K E3 T5 L8 c/ l2 g8 I
% @( w X9 S6 d4 |/ V9 _ 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。* S$ `/ @+ o( J: `7 v
! @# _& d* ]" w. h4 r; ~ d$ X3 工具的使用; F9 Z0 m6 S4 Q# V
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
/ {# Y2 m, X, O! m) ? ^ 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。6 p/ `$ J( c% X" ^" m, }' f
& Q; a5 o# w/ A& `1 b
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：
8 Q$ u2 o0 H, B6 B- x: n: uhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn8 `5 d. o& a3 G* V8 P5 R3 A
: @) d4 M" y1 D( a& p; @9 Q3.2 Nodejs 安装
1 I; g: K9 w0 \7 C3 i, | 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）。' L$ y1 ?. ~8 U! v9 w! D4 f3 v
: a8 f: Y f! q
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。
. p1 b: X- U8 ?3 i* l% X7 C
/ J" ^$ M$ O4 p. N& n9 g9 {4 实战练习
; {: c6 f8 M- z6 _9 e0 x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：/ I8 ?9 x8 k& a/ | D
https://www.qimingpian.com/finosda/project/pinvestment
]- q+ b7 z* N* `3 W" p- H* |/ G4 o7 e7 E+ V8 p1 n3 ?
4.1 网站分析
7 o. Y3 B% P! a2 ^" I 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。9 T+ o: L* y3 F
( z ~6 Q+ J* C' 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。: D1 ]5 i5 _2 c9 U) b$ y/ N: w
6 ^6 z' n: U* w/ R 接下来我们就要破解 encrypt_data。
* T4 |0 h% l9 B6 K4.2 断点调试 JS 源码
) G4 L: n% h; t! ` 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。
: T; }# Q. u( T5 f) \9 Q8 P
. n) a$ X! d% O- ^
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。
. A: y* I8 [' K( |. F
0 j7 o5 Z7 e; e7 M) D3 V& j 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。- Y- W( n; s7 A+ N+ L: v- \ V7 w
小技巧：
5 `- E8 |" O$ i5 M1 花括号进行美化
' G8 i1 }# a: e0 ]5 n% z
; C2 G% k# E- m" }7 @ 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。! Q" I0 {" {) r
. }! n& f; ]2 g X% A! t8 h
) O/ A0 x; e' j3 x# J" p! \2 控制台输出执行结果
4 S- ^3 [8 X6 g- q+ r 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。0 \, d$ F# w7 K% I6 T: t
' q6 ?) f$ r- f; Q" q! w
$ B8 m+ {; s; j. d/ `* B% b
' X+ S( i9 F0 |* W 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：
# F4 _! `1 o0 w7 k/ @
+ c' s. @! {# N" z4 U 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。% y: B% Y# L6 X! G1 L+ g+ ^
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。0 g; [; s @5 c2 u0 d
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：
7 g$ k q7 I3 v5 T5 Y" B8 m. }$ y. f- P% u, x! m( \5 o; N8 I% W
" ~0 [& H& N+ j2 L4 o9 F. V 成功输出正确的数据，最后用 Python 去调用解密函数就行了。+ N4 j. e2 s% D- y& A6 j$ k- i2 m
. Q# R" k) I% D' f% w$ q p |
|
|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
