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。
2 c9 X0 a# w7 D2 H6 M) A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

3 c$ o; u6 d; d8 A7 U, W. P4 I7 X) r' U0 n
; }' Z7 l! V( n( w% b) U# x. p
2 前端 JS 破解原理
( E' ]& F5 D+ ~+ i8 t       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：
0 B  {* r2 N4 Z' V" }
2 S/ p) B2 h4 n- D" n5 Q3 Q' B       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。

+ q5 R3 T. [- ^+ ]4 ^7 @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
( d& J8 p9 O# i2 B       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：
0 W( p$ H' ^* {& z6 m0 ?https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn

3.2 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）。
$ B% U8 k$ C  Q1 S' R
# N$ `/ q! [0 H4 W       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。
6 \6 {+ `$ H& ~. s
" B& Z0 x" a# {# U4 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
9 ?, U. _. \+ K5 {3 T* }
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。
0 {2 u) h% @  S6 V' s$ a0 u& C
       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。
* d$ h  {* \' h$ M. A$ I  J
       接下来我们就要破解 encrypt_data。
+ f. u+ r7 M# c, a4.2 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。

       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。
" G, A$ ?6 ?& {- ~! b小技巧：
. e* i4 _2 c) L4 W4 W1 花括号进行美化

      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。
; U) |# d8 n. q" F5 r4 D
6 s7 u9 A& m0 I! ~- v
2 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。


5 k: v$ H+ b1 F2 z5 o3 k8 J
       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：
  I6 v7 c7 r* a# u, ?
       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。
8 e5 N9 @  j: r4 x( `: G; ?. 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。
5 x: g% R; E: c2 y* a# U       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：
) `, d3 S: q( ?- }8 X4 ]
+ ^; n( S6 Y, ]3 o  C
% y* p3 V; g, z( b5 D3 \       成功输出正确的数据，最后用 Python 去调用解密函数就行了。
1 \' t7 W+ H6 K0 B
: `% _! q6 E* l6 j) I; {/ H8 |

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