爬虫05 /js加密/js逆向、常用抓包工具、移动端数据爬取

爬虫05 /js加密/js逆向、常用抓包工具、移动端数据爬取

目录

• 爬虫05 /js加密/js逆向、常用抓包工具、移动端数据爬取
  • 1. js加密、js逆向：案例1
  • 2. js加密、js逆向：案例2
  • 3. 常用的抓包工具
  • 4. 移动端数据的爬取
  • 总结：

1. js加密、js逆向：案例1

• 需求： 将这个网页中的代理ip和端口号进行爬取

• 分析：

  1. 爬取的数据是动态加载

  2. 并且我们进行了抓包工具的全局搜索，没有查找到结果

     意味着：爬取的数据从服务端请求到的是加密的密文数据

  3. 页面每10s刷新一次，刷新后发现数据更新，但是浏览器地址栏的url没有变，说明加载出的数据是由ajax请求到的

     动态加载出来的数据是由ajax请求到的，并且请求到的数据为加密数据

  4. 定位到ajax数据包，从中可以看到url和动态变化的请求参数和加密的相应数据

  5. 将ajax请求到的密文数据捕获

     动态的获取动态变化的请求参数

     基于抓包工具进行了动态变化请求参数taken的全局搜索，定位到了taken产生的源头，就是如下js代码：

     var token = md5(String(page) + String(num) + String(timestamp));
     

  6. 对密文数据进行解密

     通过分析找到了解密的js函数：decode_str(encode_str)，encode_str就是密文数据

  7. 查找encode_str的实现：

     js逆向：将js代码转换成python代码。开发环境只能执行python代码

• js加密/js逆向源码相关代码：

  function get_proxy_ip(page, num, click_btn) {
      var timestamp = Date.parse(new Date());
      timestamp = timestamp / 1000;
      var token = md5(String(page) + String(num) + String(timestamp));
      $.get('../proxy?page=' + page + '&num=' + num + '&token=' + token + '&t=' + timestamp, function (result) {
          if (result.status === 'true') {
              var setHtml = "";
              $("#ip-list").html(setHtml);
              var encode_str = result.list;
              var items = str_to_json(decode_str(encode_str));
              for (var index = 0; index < items.length; ++index) {
                  item = items[index];
                  setHtml += "<tr>\n<td>" + (index + 1) + "</td>\n";
                  setHtml += "<td>" + item.ip.toString() + "</td>\n";
                  setHtml += "<td>" + item.port.toString() + "</td>\n";
                  setHtml += "<td>" + item.time.toString() + "</td>\n</tr>\n";
              }
              $("#ip-list").html(setHtml);
              if (click_btn === 'next') {
                  document.getElementById("last-page").disabled = false;
                  if (items.length < 15) {
                      document.getElementById("next-page").disabled = true;
                  }
              } else {
                  document.getElementById("next-page").disabled = false;
                  if (page === 1) {
                      document.getElementById("last-page").disabled = true;
                  }
              }
  
          }
      });
  }
  

  js解密代码：

  function decode_str(scHZjLUh1) {
      // Base64.decode(scHZjLUh1)
      scHZjLUh1 = Base64["\x64\x65\x63\x6f\x64\x65"](scHZjLUh1);
      key = '\x6e\x79\x6c\x6f\x6e\x65\x72';#key = 'b'nyloner'
      len = key["\x6c\x65\x6e\x67\x74\x68"];
      code = '';
      for (i = 0; i < scHZjLUh1["\x6c\x65\x6e\x67\x74\x68"]; i++) {
          var coeFYlqUm2 = i % len;
          code += window["\x53\x74\x72\x69\x6e\x67"]["\x66\x72\x6f\x6d\x43\x68\x61\x72\x43\x6f\x64\x65"](scHZjLUh1["\x63\x68\x61\x72\x43\x6f\x64\x65\x41\x74"](i) ^ key["\x63\x68\x61\x72\x43\x6f\x64\x65\x41\x74"](coeFYlqUm2))
      }
      return Base64["\x64\x65\x63\x6f\x64\x65"](code)
  }
  

  对以上代码分析结果如下：

  function decode_str(scHZjLUh1) {
      // Base64.decode(scHZjLUh1)
      scHZjLUh1 = Base64.decode(scHZjLUh1);
      key = 'nyloner';
      len = key.length;
      code = '';
      for (i = 0; i < scHZjLUh1.length; i++) {
          var coeFYlqUm2 = i % len;
          code += window.String.fromCharCode(scHZjLUh1.charCodeAt(i) ^ key.charCodeAt(coeFYlqUm2))
      }
      return Base64.decode(code)
  }
  
  // '\x64\x65\x63\x6f\x64\x65'.encode('utf-8')
  // 注意：遇到类似字节的代码,一般不是加密数据,通过encode编码尝试是否可以得到有效信息
  

• 代码实现：

  导入所需模块：

  import time
  import hashlib
  import requests
  import base64
  

  js逆向/将js代码转换成python代码：

  # js逆向之后的结果
  def decode_str(scHZjLUh1):
      # 解密成字符串
      scHZjLUh1 = base64.decodestring(scHZjLUh1.encode())
      key = 'nyloner'
      lenth = len(key)
      code = ''
      sch_lenth = len(scHZjLUh1)
      for i in range(sch_lenth):
          coeFYlqUm2 = i % lenth
          # chr(0-255)返回对应编码的字符
          # ord(a-z)返回编码数值
          code += chr(scHZjLUh1[i] ^ ord(key[coeFYlqUm2]))
      code = base64.decodestring(code.encode())
      code = code.decode('utf-8')
      return code
  

  生成请求所需的token值：

  def getToken():
      page = str(1)
      num = str(15)
      t = str(int(time.time()))
      md5 = hashlib.md5()
      md5.update((page+num+t).encode('utf-8'))
      token = md5.hexdigest()
      return token
  

  对响应数据解密：

  token = getToken()
  url = 'https://nyloner.cn/proxy'
  param = {
      'num':'15',
      'page':'1',
      't':str(int(time.time())),
      'token':token
  
  }
  headers = {
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36',
      'Cookie':'sessionid=20ryihg87smnkko2kx6634jbcf4umhfp'
  }
  code = requests.get(url,headers=headers,params=param).json().get('list')
  str_code = decode_str(code)
  str_code
  

2. js加密、js逆向：案例2

• 需求： url:https://www.aqistudy.cn/html/city_detail.html ，对其气象数据进行爬取

• 分析：

  1. 点击不同气象指标的选项卡，发现没有相关的请求发送，说明当页面加载出来的时候，所有的气象数据已经加载完毕。

  2. 分析数据是否为动态加载 ，得出数据是动态加载出来的

  3. 修改查询的条件（城市的切换，时间的修改），点击搜索按钮就会加载出新数据。

  4. 在抓包工具的XHR中捕获到了两个数据包

     • url一样
     • 都有一个d这样的请求参数
     • 两个数据包的请求参数d的数据值不同
     • d这个请求参数是经过加密且动态变化

  5. 处理动态变化且加密的请求参数d

     对请求参数d进行全局搜索（不可行）

     点击页面中的搜索按钮后，在抓包工具中就捕获到了那两个ajax请求的数据包

     • 点击按钮发起ajax请求，找按钮的点击事件（click）
     • 借助火狐浏览器的开发者工具进行按钮点击事件的定位 ，根据点击事件定位到 getData()js函数

  6. 分析getData这个js函数的实现：目的就是为了找到ajax请求对应的js代码

     type=="HOUR":按照小时为时间单位进行查询

     并没有在该函数的实现中发现ajax请求对应的代码，但是发现了另外的两个函数调用getAQIData();getWeatherData();

  7. 分析getWeatherData();和getAQIData()这两个函数的定义，想要去找到ajax请求对应的代码：

     这两个函数实现的区别： method变量赋值的字符串不一样 GETDETAIL / GETCITYWEATHER

     相同： 都没有出现ajax请求对应的代码，但是发现了另一个函数的调用： getServerData(method,param,匿名函数，0.5)

  8. 对getServerData(method,param,匿名函数，0.5) 参数进行分析

     method：GETDETAIL或者GETCITYWEATHER

     param：字典，有四组键值对

     • city：查询城市的名称
     • type：HOUR
     • startTime：查询开始的时间
     • endTIme：查询结束的时间

  9. 对getServerData(method,param,匿名函数，0.5)函数进行分析

     getServerData(method,param,匿名函数，0.5)这个函数的实现，还是为了找到ajax请求对应的代码：

     基于抓包工具的全局搜索才可以找到

     发现这个函数的实现代码看不懂，函数的实现好像是一组密文 / 网站对js函数的实现加密

  10. 插入两个概念/上面密文用到了js混淆：

      JS混淆：对js函数的实现代码进行加密

      JS反混淆：将加密的js代码解密成原文

  11. 暴力破解： https://www.bm8.com.cn/jsConfusion/

  12. 分析getServerData函数的实现：

      终于找到了ajax请求对应的代码

      参数d是由getParam(method, object)函数返回的

      method：method

      object：param字典，四个键值分别是城市名称。type，起始时间，结束时间

  13. 请求到的密文数据的解密方式：

      decodeData(data)：data参数就是响应的密文数据，返回值就是解密后的原文数据

  14. JS逆向：python可以使用 PyExecJS 库来实现模拟JavaScript代码执行。

  15. 环境的安装：

  ```python
  pip install PyExecJS
  ```
  

  1. 必须还要安装nodeJs的开发环境 /PyExecJS是依赖nodeJs环境运行的

  2. 请求到加密的响应数据

  3. 将加密的响应数据进行解密

• 代码实现：

  import execjs
  import requests
  headers = {
      'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.142 Safari/537.36'
  }
  node = execjs.get()
  file = 'test.js'
  ctx = node.compile(open(file,encoding='utf-8').read())
  
  # 如何五个变量会作为getPostParamCode的参数
  method = 'GETDETAIL'  # GETCITYWEATHER
  city = '北京'
  type = 'HOUR'
  start_time = '2018-01-25 00:00:00'
  end_time = '2018-01-25 23:00:00'
  # 模拟执行getPostParamCode函数
  js = 'getPostParamCode("{0}", "{1}", "{2}", "{3}", "{4}")'.format(method, city, type, start_time, end_time)
  params = ctx.eval(js)
  # print(params)   # 请求参数d
  url = 'https://www.aqistudy.cn/apinew/aqistudyapi.php'
  data = {
      'd':params
  }
  # 获取了加密的响应数据
  response_code = requests.post(url=url,headers=headers,data=data).text
  # response_code
  
  # 模拟执行decodeData函数对密文数据进行解密
  js = 'decodeData("{0}")'.format(response_code)
  page_text = ctx.eval(js)
  print(page_text)
  

3. 常用的抓包工具

• 抓包工具概述：

  本质就是一款代理服务器，适用于实现请求和相应的拦截

• fiddler

  • 默认只可以抓起http协议的请求和相应
  • https：
    • tools-> options-> https-> detrypt HTTPS traffic
    • 含义：将fiddle的证书安装到本地

• 青花瓷

• miteproxy

4. 移动端数据的爬取

• 配置相关的环境

  • fiddler的配置：
    • tools-> options-> connections-> Allow remote computers to connect/选中
    • 查看fiddler的端口号，并且记住端口号
  • 测试配置是否生效：
    • 在电脑的浏览器访问：http://localhost:端口号/，如果可以访问成共则表示配置成功

• 网络设置：

  • fiddler所在的电脑开启一个热点，手机连接热点
    • 保证手机和电脑同处于同一个网段

• 在手机中安装fiddler的证书

  • 手机浏览器访问：http://电脑的ip:端口号/
    • 点击下载证书的链接，进行证书下载
  • 在手机中新任且安装证书

• 开启手机网络代理

  • wifi-> 点击感叹号-> 开启代理-> 代理的ip就是电脑的ip，端口就是fiddler的端口

• appnium是一个基于手机应用自动化的模块

总结：

1. js加密：为了防止爬虫，对js代码进行加密
2. js逆向：对于python来说，就是将js代码转换成python代码
3. js混淆：对js函数的实现代码进行加密
4. JS反混淆：将加密的js代码解密成原文
5. 看js函数是在定义函数还是在调用函数，查看后面是否跟着；号，有的话就是在调用/没有的话就是在定义