QQ登录

只需要一步,快速开始

APP扫码登录

只需要一步,快速开始

手机号码,快捷登录

泡泡马甲APP 更多内容请下载泡泡马甲手机客户端APP 立即下载 ×
查看: 1502|回复: 0

爬虫进阶之 JS 破解

[复制链接]

等级头衔

积分成就    金币 : 2802
   泡泡 : 1516
   精华 : 6
   在线时间 : 1241 小时
   最后登录 : 2024-3-20

丰功伟绩

优秀达人突出贡献荣誉管理论坛元老

联系方式
发表于 2020-3-19 10:28:04 | 显示全部楼层 |阅读模式
       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。
, U% e9 b& F$ I" P+ A+ [1 JS 基础语法学习
+ x& i* W8 t% F9 G" Y       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! d2 v9 `- j. T8 K) h3 @( F& X这里给大家推荐一个 JS 编程基础学习网站:
+ H- j+ A# x, Y* F  j9 m" Ahttps://www.runoob.com/js/js-tutorial.html
7 o& }6 n0 c: X! f. Y/ c1 M1 Y" P8 N
1.jpg
3 B6 U1 j5 S2 W0 y  \* G. V6 W' X; B% b9 z& t; r
2 前端 JS 破解原理
  I0 U1 A9 @, ~; I       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:
) L; ]! d7 k: w' x0 ^2 y4 h+ s 2.jpg 9 T% @+ v- x- N% w; u7 w
       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。, F3 H8 T2 {& V5 L6 K: z
5 Y2 w- G; h5 k, g  l4 E
3 工具的使用
" t1 c  l  Z2 A0 m6 m$ m: p, ?/ R8 _! G       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
6 e4 ^) W) s8 z* m+ o% }. Q       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。
$ W6 D& i# D7 W6 e: E6 E 3.jpg ( |' ?* O% j4 o
       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:
) ?5 S1 I" P8 r6 C5 q$ l4 r0 Vhttps://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn# K/ H' ^( b( n6 H) ~- z; z& g
$ Y4 c' H3 h4 X8 j
3.2 Nodejs 安装# |* Z, m: b2 S" Q
       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)。
8 r5 @! x+ C6 w$ e4 k' i$ T: v$ T 4.jpg
, Y* s9 V9 C& v3 @9 ?+ `9 B8 E       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。
7 F& i7 ?6 G8 X# q1 h$ r3 u7 Z
. u4 l! U3 d8 ]% O4 实战练习
. X- R& U8 R/ b6 l1 E# t! I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:' c9 Y& R& z6 z/ m; D
https://www.qimingpian.com/finosda/project/pinvestment1 B& B+ D  G4 V* K
+ G0 U" ?8 Z/ b$ ~# S2 L5 g
4.1 网站分析+ ?  ^) X# z/ b8 i
       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。
- C0 o9 x- P0 \ 6.jpg
0 M  K2 }2 G$ z" w# S* ?, e       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。
/ Y7 N/ m0 W! a$ G* J0 [ 7.jpg * w! l# D  j% H3 a
       接下来我们就要破解 encrypt_data。
8 z9 F  V7 Q! v. G/ `4.2 断点调试 JS 源码- l  G# H- f  `# t
       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。6 \  D  g! q6 w) W9 u0 k
8.jpg
4 E0 c: }" f7 _       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。$ r" `& f. Z. o( W% t" \8 o
9.jpg
# M# l8 _( o# u; [, l       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。
" z6 E! p% g" T, c0 U小技巧:. \6 N- X4 B& V" S& \5 N- \# t
1 花括号进行美化0 Z" A. G% q6 ?$ j/ Y: b6 }
) L. @4 Y- p* a( x; F
      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。. b7 q0 B5 |5 x( P% @. N3 I
10.jpg
* K  a- J& d# a7 J) _& m 11.jpg ! X- `7 C) E: ~
2 控制台输出执行结果2 O$ a% _! L7 h: m
       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。4 N# T3 s+ U. z4 `
" X* w6 O* r1 \6 e; K. W
12.jpg $ }4 f- D! w: {2 u# U7 y2 _& C6 B
13.jpg
7 B' r* {; N" i$ p) V       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:+ y/ f8 ^5 S8 }/ C1 F
14.jpg   \- C1 O/ u0 S) E/ _
       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。
+ n+ I+ h) {! c2 _3 r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。; A- s' ?6 c& h; e# c
       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:
3 O1 `' s# s% `& B1 b+ o: L
" E4 t, S7 D7 H 15.jpg   `) A& M, Y+ `5 k7 O
       成功输出正确的数据,最后用 Python 去调用解密函数就行了。
: X* T5 b4 E( | 16.jpg
1 s. L0 l1 m  i& E9 E! I4 M& Y. T3 Y% ]
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|paopaomj.COM ( 渝ICP备18007172号 )

GMT+8, 2024-3-29 04:23

Powered by paopaomj X3.4 © 2016-2024 sitemap

快速回复 返回顶部 返回列表