|
|
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。
$ n- m6 o5 A) t e1 JS 基础语法学习% L; j5 a; Z7 G$ v1 y
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。
2 ~+ l+ \/ m) s5 _. N这里给大家推荐一个 JS 编程基础学习网站：
; n6 i! C# a7 vhttps://www.runoob.com/js/js-tutorial.html, S6 e" B2 K# G5 k4 e. S- Z3 B, a% b
0 O( b/ Y+ e4 }3 D U
6 c7 r @+ p1 \3 Y8 y
' ~" b' A8 H" J+ t* e2 前端 JS 破解原理7 s9 F& M" a O+ f! h# z
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：
1 u- |2 f& \# ~% ^ R5 _: r9 w
N: `' w& P9 d) }0 I4 P
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。5 ]& _9 Q% R5 @
- g, d& V$ f0 L+ f% x I8 I9 ]
3 工具的使用
" u9 n; a3 {5 V+ H) j2 a+ c, w 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
& M2 W0 g& d+ z6 ^; [% `$ Q 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。
% F f9 [: u) B. e/ q
1 S1 t0 W: k& K$ r; w0 h( L 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：. |# m& D4 _5 y, m: {
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
3 F; a) q: m1 @7 @, S% _- l6 w# f- s" D! f7 O) h" r
3.2 Nodejs 安装! |/ _: @) z) T( D) Y; w! J+ Y9 e! Z
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）。' s4 N: x" i7 w% F: f5 [2 H: t
" w- P; j/ c5 e. 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。
. d+ X/ v9 {* |4 }# J: j0 i) x
9 M% q; w8 R" r9 F; c* E4 实战练习5 \; F0 I# C! H5 P Z9 [
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：
! e w/ x1 L7 Whttps://www.qimingpian.com/finosda/project/pinvestment* R2 s" I$ W! |6 S3 ^9 U
@! T5 F `* Y2 H$ J, |4.1 网站分析. J) O+ g6 h9 l
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。
7 F7 t/ f I5 i- ^. C4 Y
$ _: F7 x) c0 l ^" W# d$ Q 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。% ~* ?/ X7 {4 Y
$ d( Y( m/ p" n! ?
接下来我们就要破解 encrypt_data。; }& H$ ]$ G, s' O9 x6 y
4.2 断点调试 JS 源码
/ S- }( V# T; C1 o, F2 L- H 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。1 V" ?$ R3 e8 [# A. n# {
! P/ `( A4 M2 ?5 C 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 p3 Q+ H# L3 s
e# u& E3 k7 |" w
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 m7 ~5 X2 ^5 ^8 G3 i1 b' Q1 o小技巧：
" d# l1 L6 Z9 d1 f# E1 花括号进行美化
! \ r6 W2 {2 i K; y
) R5 j! o% x0 i) H7 P. F# Q0 B 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。0 R1 `. }7 E4 J. j
3 ?- f9 e2 t. ? `
3 N+ X5 T( d3 c2 T u& E8 ?" F6 t2 控制台输出执行结果
% m! p7 u. Y7 C+ L5 I. L2 b 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 W: N g# O6 ?7 {4 O
' |9 d' G+ E' R0 T/ G% O) K6 O* ~2 o" @
: [( W: u* U0 |- J
8 X% [1 F% q8 l3 S% G5 d9 @
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：
; g4 {9 z0 M2 q3 h& \6 W' o8 r1 p
5 r( o- i1 H' ]& s" ] 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。
- \( p" h, K$ O; i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。' h1 ~7 ~: K# o
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 E3 c: }% Y0 E) O. C z
# w. y; ^% e( e: s/ R
2 w3 E* _. [1 R; m1 I/ r
成功输出正确的数据，最后用 Python 去调用解密函数就行了。
2 C6 [& D% \4 w; A7 c
4 d! L: S5 v$ M. t0 n |
|
|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
