|
|
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。& S2 a' e) }2 x! R9 b+ D4 c
1 JS 基础语法学习' K; O% g, l$ O6 S; w0 v4 z* U
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。
: i5 X: Y& t7 `& B这里给大家推荐一个 JS 编程基础学习网站：" E+ v4 t+ ]- J' Y
https://www.runoob.com/js/js-tutorial.html
: t( ?& ^: C! {- C' y9 l7 f3 j
& N7 K4 D* V0 B, k
; w$ x$ S% b# ], X* M ]4 p3 r
# K: a# b# b: `( e2 前端 JS 破解原理5 `& I/ A& j2 @6 _
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：
; u# O( u6 @8 C: q+ c) R
* N, [$ H& Q* `! P9 K/ B3 e
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。' b# P/ v8 u+ K$ E& C/ J
, w# h6 u) I* F: B
3 工具的使用
6 b+ l" I4 p+ I 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
: Q7 |5 D6 L" f/ Q- p/ `$ u 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。8 ~( O9 q- D) q2 k% O
4 z0 x5 b5 V, X8 R$ Y 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：$ Q) v) A! g3 Q a
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
7 {3 _3 u/ @- O9 c9 i2 T% z" \9 O! y" i) z+ h2 A# ^! g* p. w
3.2 Nodejs 安装0 v* d# V/ l) h% s
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）。+ B8 B* g$ R) D4 v3 V) D# x" T% h
4 i" P, E/ G2 F, c0 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。
% l" r% P& T: H/ U2 b3 B) H3 |
5 R( p3 s4 X5 S( U' a% l4 s$ b1 i4 实战练习
' ]4 D) e& J4 d3 B* `/ H6 v9 y1 K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：
4 \3 D! X n' L$ j8 i8 ?https://www.qimingpian.com/finosda/project/pinvestment; X; a, V& \7 k' O
/ V" Q( \/ O+ u4 S x5 {4 z4.1 网站分析
3 C* R+ t- Q' s 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。 Z: T7 w" P: r* p% y: I0 y7 _
- n, |/ o) Q0 @8 F 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。- M4 E) {' D4 [. D$ ^' b1 u
/ u, ~; g, L+ g2 g" w: y5 x 接下来我们就要破解 encrypt_data。! B- y3 s0 D( [) Q9 G' i' w- s! B E
4.2 断点调试 JS 源码
5 c) {" q. C9 l( X 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。
; {# C: }; F9 h; g1 V
& I% _0 x) P8 P5 x: ?/ T
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。
, L+ N3 g2 I6 S
* f3 O- R+ T2 G& g$ x, H# r6 k: h
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 b5 |+ b A7 t, R8 S小技巧：
/ k7 Q6 R$ G- \, N1 花括号进行美化
7 Z$ z1 O% Y6 y/ ^' M; {/ J- n. @' W5 c/ y
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。
6 l+ _8 d) f, d# B4 ^
/ k, r8 l9 }* u% W
4 H; O v: M7 N2 C2 控制台输出执行结果
! `) T& y, ]4 r$ ~2 V* j! ^ 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。
& M4 Y2 R* h) N# J. X, P3 h; v
5 I) G, J1 d' z
. F( \# |' H" A+ d
6 L2 l. `& H: n 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：
: a+ o$ x+ {. w8 q: }
8 p4 z, l+ A/ ?2 |+ P
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。: K2 c) ]& l) B
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。8 [% f! I0 ^$ P& [, y1 `0 @+ 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：
4 e( E# {/ b3 J; j/ A. n' E7 @; B- E" \- ^( ^, k$ {, k2 ^
. m7 w3 u9 O& y6 b7 L, n 成功输出正确的数据，最后用 Python 去调用解密函数就行了。' Z6 t* O6 s+ @' s( H7 j6 V6 U& e
& D0 {- C. g+ u! s- u- D
|
|
|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
