python爬虫的一个常见简单js反爬详解

Python  /  管理员 发布于 7年前   235

前言

我们在写爬虫是遇到最多的应该就是js反爬了，今天分享一个比较常见的js反爬，这个我已经在多个网站上见到过了。

我把js反爬分为参数由js加密生成和js生成cookie等来操作浏览器这两部分，今天说的是第二种情况。

目标网站

列表页url:  http://www.hnrexian.com/archives/category/jk。

正常网站我们请求url会返回给我们网页数据内容等，看看这个网站返回给我们的是什么呢？

我们把相应中返回的js代码格式化一下，方便查看。

< script type = "text/javascript" >function stringToHex(str) {  var val = "";  for (var i = 0; i < str.length; i++) {    if (val == "") val = str.charCodeAt(i).toString(16);    else val += str.charCodeAt(i).toString(16);  }  return val;}function YunSuoAutoJump() {  var width = screen.width;  var height = screen.height;  var screendate = width + "," + height;  var curlocation = window.location.href;  if ( - 1 == curlocation.indexOf("security_verify_")) {    document.cookie = "srcurl=" + stringToHex(window.location.href) + ";path=/;";  }  self.location = "/archives/category/jk?security_verify_data=" + stringToHex(screendate);} < /script> <script>setTimeout("YunSuoAutoJump()", 50);</script > 

说好的返回网页数据源码呢，这是什么东西!

js破解思路

js破解提供两种思路，一种是直接用Python来重写js内容，实现模拟js的操作，这种一般用于比较简单的js；还有一种是用Python第三方库来解析js，比如pyv8,execjs这些（个人觉得execjs比较好用），这种一般用于比较复杂的js解析。

分析返回的js分成两个部分。第一部分，定义了stringToHex和YunSuoAutoJump两个函数。第二部分，50毫秒后执行YunSuoAutoJump这个函数。

YunSuoAutoJump这个函数功能是添加一个cookie并去请求一个构造的url，可以从document.cookie 和 self.location这里看出。stringToHex这个函数的共能其实就是字符串的转换，具体js内容可以参考这个网址https://www.runoob.com/js/js-tutorial.html自行查找。

python重写代码

那么接下来就是用python来重写js啦，重写后代码如下。

def stringToHex(string):  length = len(string)  hex_string = str()  for i in xrange(length):    hex_string += hex(ord(string[i]))[2:]  return hex_stringdef get_cookie(url):  hex_string = stringToHex(url)  cookie = {"srcurl": hex_string, "path": "/"}  return cookie

这是那两个函数，一个用于字符串转换，一个用于获取cookie。

最后拿到结果

接下来模拟浏览器操作，其中是分为三部分。第一次，我们请求目标url，然后返回给我们js内容；第二次，js添加1个cookie并请求了1个构造出的url；第三次请求原目标url，得到最终的数据。

这里我们用requests.Session来保持连接，模拟上面三部的内容。

url = "http://www.hnrexian.com/archives/category/jk"s = requests.Session()r = s.get(url)url_2 = re.compile("self\.location\s*=\s*\"(.*?)\"").findall(r.text)[0]screen_date = "1920,1080"url_2 = url_2 + stringToHex(screen_date)url_2 = urljoin(url, url_2)cookie = get_cookie(url)s.cookies.update(cookie)r2 = s.get(url_2)url3 = re.compile("self\.location\s*=\s*\"(.*?)\"").findall(r2.text)[0]r3 = s.get(url3)r3.encoding = "gbk"print r3.text

到这里我们就完美得到最后想要的内容了。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。