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。
' y: u2 J& s. C. [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。
' y4 e; U( h$ ^6 D6 n0 g这里给大家推荐一个 JS 编程基础学习网站：
https://www.runoob.com/js/js-tutorial.html


) `  B5 z/ r+ }7 Y+ K7 O. w
; f$ v& S  c& ^4 I) q' {2 前端 JS 破解原理
, G' }) f. J- i- D4 {& d  I/ u- p       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：

& ^' K, Z! v/ y# W/ U# X: D6 `       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。

0 R# u' X( O1 A, N0 g" f3 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。

$ z9 q, T! v) f       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：
  F( Q- C8 I% Y2 V0 rhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn

8 u" i! g5 B* J3.2 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）。
! [& J# J# R) b- f3 D
5 e, g3 F7 D/ Z. T; Q! X$ ~, }1 X! I       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。
$ ]$ f% I; W, v' }) v2 u
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：
https://www.qimingpian.com/finosda/project/pinvestment
, s6 _0 `8 H9 _' R" x% c& x
( P6 {& X4 N3 X0 U& D+ H4 Y; @: E4.1 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。

* B$ P& K: ^, r+ P3 `1 R       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。

       接下来我们就要破解 encrypt_data。
2 o- ~" ?# a0 b4 N4.2 断点调试 JS 源码
4 r3 ~1 m. l, }) k9 D; s' V       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。
, i& ]1 \) l) |. [0 G7 J. |4 u
       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。
小技巧：
1 花括号进行美化

) p3 T) A  u& K7 y. 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。
3 `# s% x( M4 C: E" ^

; b/ N  K* q; `$ d6 Y7 U2 控制台输出执行结果
; |7 p% k* t: L' }- N4 q$ 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。
/ u4 u: H! d' f3 J, s4 ]4 U' E
6 x" r$ U! b7 t

6 c1 Q* \% v1 C, R; Z9 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：
8 ~( [: z( d3 t  ^; R& u1 s5 F
' H) u6 b, R/ ~) l2 |% ]       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。
( E) j) F& C! l. v1 q' `' A       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：

# T( j: a4 L# {8 ^( m1 U1 t' a- v
       成功输出正确的数据，最后用 Python 去调用解密函数就行了。
, I0 h2 c; h% i! Y# `

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