|
阅读文本大概需要 7 分钟。 爬虫的技术最难的部分之一就是「JS 破解」，但网上关于 JS 破解的资料都非常的零散，甚至没有一个资料说 JS 破解要如何从零开始学习。最近痴海也在学习这块的内容，有一些自己的收获。所以我把自身学习的过程，遇到的坑点都写篇文章，完全的由零基础开始，一步步的带大家学习爬虫高阶的部分。 今天是 JS 破解的第一篇「JS 破解入门」。 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 你想破解 JS 的网站，首先你肯定需要懂得最基础的 JS 语法。这是破解的基础，如果你连 JS 代码都无法看懂，那你就不想破解的事了。 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。 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 左边是 JS 的目录，大家跟着这个目录学习下去就好。我之前学习 JS 基础的时候，就是跟着这个目录进行学习的。 2 前端 JS 破解原理 普通的网站数据的显示都是在网站的源码中就可看到，比如拿我自己的个人网站来举例。 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： 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。 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 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： 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）。 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。 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./finosda/project/pinvestment 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。 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。 4.2 断点调试 JS 源码 还记得之前说过的 JS 破解原理吗？有加密的地方一定会有破解的地方。所以我们需要进入源码里，找出给 encrypt_data 进行解密的代码。 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。 那我们我们怎么找到断点的地方呢？ 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。 小技巧： 1 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。
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。
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：
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。 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：
成功输出正确的数据。 最后用 Python 去调用解密函数就行了。
完整的代码我已上传到后台，大家回复「js破解」即可获取。 参考资料： http://www./2019/05/10/%E5%88%9D%E6%8E%A2js%E9%80%86%E5%90%91/ 最后痴海创建了一个日报群，每天我会从全球近百个信息源中为你精心挑选 3-5 篇有价值阅读的文章。不只局限在编程相关话题，还包括增长黑客、技术变现、个人能力提升等等。 |
|
|
