|
|
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。
+ o. }1 j/ g: Z1 JS 基础语法学习( \. j( X$ t2 k' t9 O; w$ \
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。" i& F. \7 I7 Q5 R
这里给大家推荐一个 JS 编程基础学习网站：5 j+ |& W9 P. {8 N# n
https://www.runoob.com/js/js-tutorial.html
0 H4 z0 k; D* g
5 I( Y; F& A7 ~9 {5 Q0 u6 u" L( U
! U' N# w$ [8 @5 o: S* n
' o" v# r3 r$ V' b- n& G6 U- t2 前端 JS 破解原理# T+ h. Y5 \8 u0 @% h8 }- 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：
- a# p( K7 Z3 F, K
7 V0 ^0 B- Y! [, J; k- _ 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。) G' h, ?7 G% B" x/ ?: ]
, J2 s/ M( F4 c) `- V, V" s3 工具的使用
6 H( {- ?* t% Y: c 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
0 e+ E( ^$ |, V4 j0 r2 D- m+ t 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。
- o1 H8 ~/ K2 g6 w
# ^; i4 q- O4 s$ o- Y/ ]3 P
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：# i6 v7 F; a% U5 l7 b
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
+ A+ b& B% W; b6 p. G6 S. K- e7 D2 j
3.2 Nodejs 安装
$ s/ D7 }1 x+ {2 ^1 `, b$ K 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）。
) S* X& Z8 n5 L5 E3 C2 A. Q! n
" o6 z+ ~/ R. z- t0 ~
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。
* @2 O& X( f& H& V
R1 B+ D& [# r4 实战练习5 M6 L- {- t2 e
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 Z% I+ `1 C5 d1 k: s" r6 |1 ^+ G
https://www.qimingpian.com/finosda/project/pinvestment! r- N( f' c' f6 d3 ~2 E5 a
* ]( P F2 r3 M0 a
4.1 网站分析
. B# R. B' @) d 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。
# P! L, m/ j+ e2 M6 G( V
/ U( {" b1 e. n- i2 g4 D 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。) a8 [% N8 T0 h1 d5 v) ^
( \: B# E% h7 j) R E8 F% N) Z 接下来我们就要破解 encrypt_data。1 m' a4 N# C1 j1 Q, ~) E
4.2 断点调试 JS 源码% Y1 D4 U0 m3 c1 T" V- z h3 B. j
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。- L5 O8 ~& l! M6 W9 n
/ i# d2 y: P! h9 l% i9 U8 n) w% ` 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。
! M2 J( t& u0 [" J! z( ?1 u
1 W4 D+ h: q7 I" w! B
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。
- [; I4 A& j* O) R小技巧：/ }% B3 _: f- ~+ N7 N
1 花括号进行美化/ S8 _& R, O7 y
, [: W- f$ _6 c% a 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。
5 A0 P* ? K$ E0 o5 ?( ?" r
4 c( k1 ?1 S3 r p9 y X: t: D
) v( v! n: m& c) _ @$ K* P
2 控制台输出执行结果
# f) `5 I. p9 b2 x4 v 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。. p6 X( a: K t' f+ R' O& U7 y, D1 `
$ G* H; `9 {( N' p; u, g
$ F: w, w* \5 d) m; {" N K
* c q0 [" ^% 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：
" ^ ~+ z' d% | f" p6 S6 d H
! F( S d% N3 H. u, Y- |- M/ e- T( G
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。9 h. Y1 T, ^2 j' J6 N, t+ ~
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 F6 d4 A% n+ j0 O5 D3 |" H/ E+ K2 y: R 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：+ i% h4 w1 M: ^/ i9 A9 G4 f! j
; g0 j3 y4 M- E
# a% K6 Z5 k/ J- ~1 |/ [" P
成功输出正确的数据，最后用 Python 去调用解密函数就行了。$ ]" e/ L* O: u
* N5 i- g& |* B |
|
|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
