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

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

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
16. 必须还要安装nodeJs的开发环境 /PyExecJS是依赖nodeJs环境运行的
17. 请求到加密的响应数据
18. 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：

js加密：为了防止爬虫，对js代码进行加密
js逆向：对于python来说，就是将js代码转换成python代码
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

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

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：

猜你喜欢