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 JS 基础语法学习
       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。
% J3 O9 K7 h  ]0 F& A" D& U' |* x这里给大家推荐一个 JS 编程基础学习网站：
6 I, g9 a/ ^6 O' l* m4 V" thttps://www.runoob.com/js/js-tutorial.html


( v: S( X/ R$ J5 n; j
2 前端 JS 破解原理
, v. Q/ L  P5 r5 S       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：
5 O$ [" S" Q2 b( {& \' P" h
       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。
) o5 c; y  i% J2 ]0 E+ R
# K& b& j8 G: N0 m3 工具的使用
" m- I( |% J' }       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。

7 f3 n# a6 Y$ t- L8 o6 s' z3 Z" z       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：
2 K) r' n8 B5 E4 e, v7 [https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn

2 g+ f3 Z% c' q1 ^3.2 Nodejs 安装
3 \7 x% j6 r/ O4 g       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）。

       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。
* U* ~" @  s3 ^  i9 i: y
4 实战练习
" m1 T" W/ z/ ~" O0 c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：
https://www.qimingpian.com/finosda/project/pinvestment
$ Y9 G' X) B2 p6 Y: |# ^4 J+ ~" \
4.1 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。

/ F, k& b& {; y; 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。

% e5 c' H2 T8 z9 d  X' Q. D       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。

       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。
9 Q& w, h7 k' h$ A5 E
       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。
% X; N; S3 Z) }0 n小技巧：
1 花括号进行美化
; `7 }# Q3 m8 \5 S1 a1 Y/ o
      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。
  ?8 m3 x9 R8 k2 q; h" E4 E9 h
8 z7 O  ]7 A2 ]9 j7 c
2 控制台输出执行结果
; v7 _9 s2 ]! [' o       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。

& x! g) ?# w$ O3 F8 d
  G+ ]3 |' v7 o% K. t
" e( W; Q: m4 ]2 q       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：
8 r. s' g: w2 }- C
6 a1 z) r6 R+ i' ^" K' o! j! y       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。
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。
  T/ v8 q/ @7 L) p% c1 s       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：
8 K' {6 _, a  s: `
) K- O: u! B* @, _- ^+ d7 U
8 h1 S6 s+ M) j. E       成功输出正确的数据，最后用 Python 去调用解密函数就行了。

4 D$ ~$ ?9 z; L

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