大家好，我是辣條，
這是我爬蟲系列的第三十篇，爬蟲之路永無止境，
采集目標
網址：
aHR0cHM6Ly93d3cud2VpZGlhbi5jb20vP3NvdXJjZT1ndWFud2FuZw==
工具準備
開發工具：pycharm 開發環境：python3.7， Windows10 使用工具包：requests, node.js,buff
專案決議思路
首先需要找到網頁的登錄頁面的登錄介面 登錄頁面：aHR0cHM6Ly9kLndlaWRpYW4uY29tL3dlaWRpYW4tcGMvbG9naW4vP3NwaWRlcl90b2tlbj04MDRjIy8=
在獲取到登錄介面，介面需要使用抓包工具獲取到登錄的請求介面，先輸入錯誤的賬戶密碼觸發出登錄介面
post請求大部分情況下意味著我們需要傳遞引數，查看需要傳遞的引數資訊，當前網頁有點奇怪，賬戶密碼都是沒有加密的，加密的是ua欄位，那我們今天主要的就是搞定ua欄位
今天還是照常使用搜索的方式查找欄位，但是ua關鍵字想想就知道出現的頻率會很高，今天來一個搜索的小訣竅，一般ua會作為一個關鍵字，我們可以更精確的搜索比方說搜索‘ua:’、‘ua=’，這種搜索出來的會比直接搜索關鍵字更加的準確，
剩下的檔案就需要慢慢進行篩選排除了，找到和我們類似相似欄位的時候可以斷點除錯，看看是不是我們需要的請求介面觸發的, 最終我們將代碼定格在index.js檔案
ua欄位是由encodeURIComponent加載過來的，encodeURIComponent是對字串進行url編碼的，該方法不會對 ASCII 字母和數字進行編碼，也不會對這些 ASCII 標點符號進行編碼： - _ . ! ~ * ' ( ) 編碼的資料是i，找到i的生成位置， i是由window.getUa加載過來的，搞的辣條一陣歡喜，還想著這個網頁加密沒有很嚴謹，到我打開之后發現是辣條的格局小了，打上斷點我們進入window.getUa這個函式，看的我徑訓一緊，
直接世界崩塌
代碼是混淆加密的，在這里也辣條也想征集一個好用的反混淆的工具（還望各位大佬不吝賜教），
我們來慢慢解一下試試 _0x7dfc34可以很直觀看出來是獲取時間戳，if的判斷是沒有進的可以暫時忽略，在下方的函式呼叫可以不用搭理
開始決議0x261229，0x261229是有3部分拼接得來先解決第一部分0x1722c3(0x2e98dd)， 0x2e98dd可以看出資料是陣列，我轉換json來看看,先對資料有一定的概念， 在看看0x1722c3的函式
var _0x1722c3 = function(_0x1da193) {
var _0x3dca2f = new _0x4d6308();
if (_0x1da193[_0x4651('0x43a')]) {
var _0x180af0 = _0x3dca2f[_0x4651('0x43b')](_0x2e98dd);
var _0x286380 = _0x3b911e(_0x180af0);
return _0x286380;
} else {
var _0x180af0 = _0x3dca2f[_0x4651('0x43c')](_0x1da193);
var _0x286380 = _0x3b911e(_0x180af0);
return _0x286380;
}
};呼叫的函式判斷的資料有點多，辣潭訓是選擇直接補環境 先把主要代碼邏輯放過來
var _0x1722c3 = function(_0x1da193) {
var _0x3dca2f = new _0x4d6308();
if (_0x1da193[_0x4651('0x43a')]) {
var _0x180af0 = _0x3dca2f[_0x4651('0x43b')](_0x2e98dd);
var _0x286380 = _0x3b911e(_0x180af0);
return _0x286380;
} else {
var _0x180af0 = _0x3dca2f[_0x4651('0x43c')](_0x1da193);
var _0x286380 = _0x3b911e(_0x180af0);
return _0x286380;
}
};
?
?
window[_0x4651('0x710')] = function() {
var _0x7dfc34 = new Date().getTime();
// if (_0x4a9622) {
// _0x2644f4();
// }
// _0x55b608();
var _0x261229 = _0x1722c3(_0x2e98dd) + '|' + _0x1722c3(_0x420004) + '|' + _0x7dfc34[_0x4651('0x8c')](0x10);
_0x261229 = btoa(_0x570bef[_0x4651('0x90')](_0x261229, {
'to': _0x4651('0x97')
}));
return _0x261229;
};嘗試運行看看缺少什么，缺什么就補什么，把剛剛控制臺上的資料拿過來，
慢慢補的速度實在有點慢，直接拿整個檔案吧，混淆的代碼看這有點頭疼，運行整個js檔案時給我們報錯，
這個使用特定的js代碼搞定，其他腳本也適應,加上之后就沒得問題了，
const jsdom = require("jsdom");
const { JSDOM } = jsdom;
const dom = new JSDOM(`<!DOCTYPE html><p>Hello world</p>`);
window = dom.window;
document = window.document;
XMLHttpRequest = window.XMLHttpRequest;這個我就不就不添加了，直接去原始碼里查找
兩個為本地網址的域名和網路協議直接修改
沒有報錯了，嘗試呼叫我們的主邏輯代碼
當我們呼叫主函式時報錯資訊提示btoa的問題，這個是base64的加密方法，直接呼叫的話會出現一些問題，我們可以選擇用buff方式進行加密,將原有代碼替換，在嘗試運行
var _0x261229 = new Buffer.from(_0x570bef[_0x4651('0x90')](_0x261229, {
'to': _0x4651('0x97')
}));
大功告成，js給位大佬可以之后自行嘗試
const jsdom = require("jsdom");
const { JSDOM } = jsdom;
const dom = new JSDOM(`<!DOCTYPE html><p>Hello world</p>`);
window = dom.window;
document = window.document;
XMLHttpRequest = window.XMLHttpRequest;
#代碼實在太太太長了，嚴重影響了閱讀，我全刪減了，需要的話可以按照我上面的操作去獲取或者不會的話私我獲取
后續的作業就很簡單了，把資料轉換就好了，對網址發送請求帶上請求頭，在帶上需要傳遞的引數，后面就很簡單啦 ，
👇🏻 疑難解答可通過搜索下方 👇🏻
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/325598.html
標籤：python