|
|
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。+ S5 K- S5 ~& h# L
1 JS 基础语法学习9 b# @/ B( p" A$ I7 Q! ?
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。
M; f8 i( l, S: m" u2 c这里给大家推荐一个 JS 编程基础学习网站：# F0 o# z3 G6 A2 J0 a/ h2 d
https://www.runoob.com/js/js-tutorial.html
: b: G! Z8 S; Z+ c$ I: Y4 t
# L6 w' {7 g" L2 ~. |5 t9 u
# u- Y9 }/ h) I, F) U3 H4 ?+ Q9 Q6 ~1 h J* ^1 g
2 前端 JS 破解原理
# o$ }. T' C3 Q6 z. H6 D( t) u) u% w6 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：+ S2 i. i/ e3 F _
- K) n/ h; \ Z
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。
8 h) M s; J2 C! T: Y, A, y2 a2 u- T, d( _: ]
3 工具的使用
. A9 ?4 q! q1 Y6 H1 r 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
8 n! z& Z, |3 d! ^ 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。9 g0 Q8 U/ M2 g3 T9 G
( J) B9 g/ b8 h! \
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：, e5 z/ P+ v$ d+ Y* x7 T
https://developers.google.com/web/tools/chrome-devtools/?hl=zh-cn
1 {! _! Q# d. F9 _
x9 I0 X" \5 b! M3.2 Nodejs 安装$ D9 H; k( J! i/ \& g7 w! _
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）。
, N E9 @: K* C
9 f/ ]9 \" p6 C" O) E* P' \
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。
& X1 t& L* D0 _, y+ w
% T( f+ @! M, j( J" K- i4 实战练习
6 _% Y5 N8 y4 ?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：+ D2 j' B3 d1 F/ c7 r; X$ n/ o
https://www.qimingpian.com/finosda/project/pinvestment
+ c! b/ R( R( Y' A% a8 Z$ D/ y
4 C' }4 k* S2 G/ G1 [4 ]4.1 网站分析
" H: O# T: I9 p. V7 E3 g% f. w: T 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。7 f: p D% e8 i% D' H% \0 Z
, g3 U5 X a* X0 J: B2 P
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。( N8 h( J3 \' Y q2 ~+ E4 Q
* \8 q" C; n* g, X7 @, H 接下来我们就要破解 encrypt_data。& ~" K1 M+ H4 L9 w' s. y
4.2 断点调试 JS 源码, Y$ w0 ^* b5 v+ n1 {# r- b4 M
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。! Q1 @7 Y( |: _/ Y) h
, s1 V1 ^+ m. u. k3 P
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。
! p' h6 c9 ~ \1 L+ G' \. L( \
( }- y" }7 Z& 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。
" J8 p8 H$ c! `1 [6 b' g小技巧：
3 {: l$ `0 r- h- V5 z1 花括号进行美化, y; [/ g' E4 [, y8 N; ~
: O+ X- c- O) T% j* U5 D" ?8 |) J
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。. _, O$ I7 ^) i# @0 V# ]. }
6 w+ d: l" x2 ~) a
( B" Z7 y7 [" Y2 控制台输出执行结果
2 f- [7 P* I* 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。+ }' S8 S9 q' k% T
5 y5 B# |9 {! u7 W
6 f, M. {( K# D
5 h5 ^( ^. K5 Q+ Y8 t% C, V- i( z& x) s 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：+ S+ u" S8 M+ E: b, z; H5 B
/ d; F6 R9 w) D& O3 H& \ 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。# d/ p% a/ n6 p. H. Y6 x) E3 a
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。
/ d, [5 x2 l3 B# ?3 j 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：
9 ^( w( P+ l2 ^; R* S' \; u7 D7 y8 {+ `( x% e& m
! r3 I5 m0 v% N& u# b* P) |1 Z
成功输出正确的数据，最后用 Python 去调用解密函数就行了。' C' I" \8 W! B! v4 P
. E* k( ]0 y$ ]2 Y$ C
|
|
|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
