Python爬虫进阶必备知识点：JS加密逆向

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者：煌金的咸鱼

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

这次来分析某个小说网站

分析请求

先来看看页面的请求
在这里插入图片描述
经过查看请求，并没有请求的加密参数，但是响应的内容却不正常，许多文字在响应中都变成了 span 标签

这样的反爬虫措施，如何分析？

定位加密

既然这里替换的内容都是 span 那就从它开始入手吧。
可以看到应该显示在正文的内容显示在 CSS 的 content 中
在这里插入图片描述
我们大致清楚原来它是一种 CSS 的隐式写法。

一般 CSS 样式我们可以通过点击右上角的链接跳转到相应的文件位置，但是这里是无法跳转的
在这里插入图片描述
我们照着之前的思路，搜索一波看看能不能找到一些蛛丝马迹。
先试试搜索类名，找到的是请求页面的响应内容，并没有找到有用的信息。

继续搜索::before，这次找到的同样是请求页面的响应内容但是::before在文件的位置值得我们打开看看。
在这里插入图片描述
点开文件再次搜索，在这里就定位到了疑似加密的地方，对！只是疑似加密。

你不能因为代码长得丑、难理解就怀疑它是加密。

其实这里也可以全局搜索.context_kw可以找到操作 DOM 的代码，可以找到操作 DOM 的加密位置，搜索方法大同小异。

这里就不细说了，我们只要找到加密逻辑的整体位置就行，不妨碍我们分析。

分析与改写

既然找到一个疑似加密的位置，我们肯定是要分析一波看看是不是我们要找的。

通过大概的梳理，可以看到整个 JS 分为两个部分，第一部分 JS 是CryptoJS的加解密的内容，第二部分是经过混淆的内容，根据部分 JS 可以猜测第二部分的 JS 操作了 DOM ，完成了 CSS 相关的解密。

关于第一部分的CryptoJS没啥好改的，照着用就好了。

第二部分值得研究一下，因为是混淆过的内容，照着还原回原来的代码意义不大且费时费力，需要做的就是不停调试你看不明白的代码，争取能明白这个代码的意思，能理解的代码越多，去改写越简单。
在这里插入图片描述
简单说下代码的逻辑：

先取出 _0xa12e这个数组里面一个加密过的元素，取出后用 AES解密

var _0xa12e = ['appendChild', 'fromCharCode', 'ifLSL', 'undefined', 'mPDrG', 'DWwdv', 'styleSheets', 'addRule', '::before', '.context_kw', '::before{content:\x20\x22', 'cssRules', 'pad', 'clamp', 'sigBytes', 'YEawH', 'yUSXm', 'PwMPi', 'pLCFG', 'ErKUI', 'OtZki', 'prototype', 'endWith', 'test', '8RHz0u9wbbrXYJjUcstWoRU1SmEIvQZQJtdHeU9/KpK/nBtFWIzLveG63e81APFLLiBBbevCCbRPdingQfzOAFPNPBw4UJCsqrDmVXFe6+LK2CSp26aUL4S+AgWjtrByjZqnYm9H3XEWW+gLx763OGfifuNUB8AgXB7/pnNTwoLjeKDrLKzomC+pXHMGYgQJegLVezvshTGgyVrDXfw4eGSVDa3c/FpDtban34QpS3I=', 'enc', 'Latin1', 'parse', 'window', 'location', 'href', '146385F634C9CB00', 'decrypt', 'ZeroPadding', 'toString', 'split', 'length', 'style', 'type', 'setAttribute', 'async', 'getElementsByTagName', 'NOyra', 'fgQCW', 'nCjZv', 'parentNode', 'insertBefore', 'head'];

解密后的值放入到secWords中，对secWords中的值遍历并做了一堆骚操作，将处理过后的值放入到words当中，注意这里words就已经是文字了。
最后在 JS 的最后操作 DOM 进行替换

部分解析

这个 JS 不是很难，从网页复制的 JS 加上两个打印直接就可以使用，但是在 node 中直接运行发现输出的字符和实际页面展现的并不相同。

正确的字符是这样的
在这里插入图片描述
在 node 中运行输出的结果是这样的

明显 node 环境下输出的结果不是我们要的，而且字符数也少了两个，同一份代码环境不同，可以大致猜到可能是代码里做了一些对环境属性的判断。

这个时候理解代码的好处就来了，可以很快定位到下面这行代码
在这里插入图片描述
这里检测的是当前的 URL ，在浏览器中这个判断条件是不成立的，所以不执行判断中代码。

到了 node 环境下是没有浏览器的window属性的，所以执行这句会出现异常，执行的是异常处理中的代码，所以我们直接把这段if代码注释掉。

继续向下，找找还有没有相关的代码，只要是判断浏览器相关属性的都需要注意一下。

很快看到这一行的代码也进行了相关的判断。
在这里插入图片描述
在浏览器环境下代码的结果是这样的

但是在 node 环境下是这样的，计算结果也相应的出现了错误

所以这里需要做相应的修改，让结果能够计算正确。

例如：

_0x1532b6[_0xea12('0x26')](_0x490c80, 0x3 * +!('object' === _0xea12('0x27')))

这样 node 环境下的计算结果就正常了。

将经过处理后的 JS 运用到 Python 爬虫中，就可以看到正确的内容了
在这里插入图片描述

总结

这个网站的加密不是很难，不过加密的方法很典型，前段时间有不少读者朋友在群里讨论研究，非常值得学习一下。

不过既然是小说网站，这里也涉及到相关的版权问题，所以希望大家不要搞事，以学习的态度和目的阅读本文。

Biegral Blog