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 \. Z$ m9 Z( V$ D7 G1 JS 基础语法学习
! a' G* b' n$ z  V7 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。
- o& S# g6 |! }- ^; s  e1 j; {这里给大家推荐一个 JS 编程基础学习网站：
4 M" ]* e1 Y' s- \' khttps://www.runoob.com/js/js-tutorial.html

4 _4 C+ z& [/ P4 o8 @4 m
  v3 d( I9 ^5 ~3 F8 r3 v
2 前端 JS 破解原理
       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：

       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。
6 H0 K1 \8 C1 w- s
3 工具的使用
       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。

       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：
+ U# m. j6 F# a4 Y; r2 Uhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
1 k6 p9 p: O# R  P; R- o' x
, o3 M7 x: l9 l4 M8 G+ Y3.2 Nodejs 安装
       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 L; T) y% R: ~
; w- y4 W5 a$ e       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。
; X; f- M  R% E; ~9 \4 Q
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：
6 R4 s3 J: ^% B5 uhttps://www.qimingpian.com/finosda/project/pinvestment
& R1 Z3 I& j# l# m
9 g) ^5 o; h+ v4.1 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。
3 w3 w& Z( D0 |) \0 B0 n! v
       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。
$ F' g0 T9 D9 T% \' H- {
7 }% h# O% Q$ F% V1 e       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。
7 S2 f" c. j0 V6 F+ z& \% B3 n
/ U+ D$ B4 e" f$ j/ h       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。
3 P, y3 s! s/ c
3 p; f9 w& H3 B' s       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。
6 I. l% b% k. ?) C小技巧：
/ r" B8 t7 o: j: c1 花括号进行美化
) e: Z! ]; E" l# ~5 B
* K6 `3 a5 i; A0 J* W9 \+ O- o6 S      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。

' i2 p2 e' a, C( K/ Y4 X' z, A
+ f" _7 j8 o) C% |, y2 控制台输出执行结果
       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。

1 P  s0 c! @; j3 r. K0 t
9 C# c# W; ]( Z1 ]7 I% L
- |5 y; ?/ L( }( Z% ^       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：

4 h* M: x- g  g$ T       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。
$ {6 f# V  o. S$ f& _5 R# b* v7 c2 |: _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：
6 T1 }5 [: C: F

3 J) a& d+ P4 _  \- Y+ T       成功输出正确的数据，最后用 Python 去调用解密函数就行了。
% s/ t. j% O* H
2 N! w+ O1 R4 W$ E

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