使用PyV8在Python爬蟲中執(zhí)行js代碼

更新時(shí)間：2017年02月16日 09:35:47 作者：一只猿

PyV8是chrome用來執(zhí)行javascript的引擎，據(jù)說是最快的js引擎，通過pyv8的封裝，可以在python中使用。下面這篇文章主要介紹了使用PyV8在Python爬蟲中執(zhí)行js代碼的相關(guān)資料，需要的朋友可以參考下。

前言

可能很多人會(huì)覺得這是一個(gè)奇葩的需求，爬蟲去好好的爬數(shù)據(jù)不就行了，解析js干嘛？吃飽了撐的？

搜索一下互聯(lián)網(wǎng)上關(guān)于這個(gè)問題還真不少，但是大多數(shù)童鞋是因?yàn)樽约旱膉s基礎(chǔ)太爛，要么是HTML基礎(chǔ)爛，要么ajax基礎(chǔ)爛，反正各方面都很爛?；A(chǔ)這么渣不好好去學(xué)基礎(chǔ)寫什么爬蟲？

那你肯定要問了“請(qǐng)問我的朋友，你TM怎么也有這個(gè)需求？莫非你是個(gè)技術(shù)渣？”

非也非也，博主作為一個(gè)擁有3年多前端經(jīng)驗(yàn)的攻城尸，怎么會(huì)被這個(gè)問題給難倒呢，老夫今天遇到的問題很顯然沒有那么簡單。

問題

那么博主到底是遇到什么問題了呢？

博主今天要去爬一個(gè)接口，但是調(diào)用那個(gè)接口需要帶上令牌，也就是存儲(chǔ)在Cookie中的一個(gè)類似token的東西，Cookie的值是一段js生成的，這段js又是通過另外一個(gè)接口獲取回來的，而獲取回來的js代碼還是動(dòng)態(tài)的，WTF?。?！開發(fā)人員你這是弄撒嘞？

路人甲：我擦嘞，聲稱經(jīng)驗(yàn)老道的博主不會(huì)分析js的邏輯？

對(duì)，我就是不會(huì)，特么的js代碼都是混淆加密的，眼睛都看瞎了都特么不知道寫的都是寫啥？

算了，我直接執(zhí)行拿到結(jié)果就好了，管他寫的是什么鬼。

思路

理一理思路，現(xiàn)在要做的事情其實(shí)很簡單

請(qǐng)求接口A，拿到動(dòng)態(tài)生成的混淆過的js代碼
執(zhí)行js代碼，拿到生成的cookie值
請(qǐng)求接口B，帶上js生成的令牌
拿到結(jié)果，愉快的玩耍...

思路相當(dāng)?shù)那逦?，感覺秒秒鐘就可以實(shí)現(xiàn)了呢。（）

難題

Python里面執(zhí)行js？有點(diǎn)意思，我干嘛不用nodejs呢？

因?yàn)镻ython是世界上最屌的語言??！沒有之一！

找到了PyV8這個(gè)神奇的模塊，機(jī)器已經(jīng)有了pip，執(zhí)行安裝一下不就OK了？

pip install pyv8

不要懷疑，博主機(jī)器裝的是 Kali Linux ，Root 權(quán)限，不需要 sudo

接著報(bào)錯(cuò)

pip install -U PyV8
Collecting PyV8
 Using cached PyV8-0.5.zip
Building wheels for collected packages: PyV8
 Running setup.py bdist_wheel for PyV8 ... error
 Complete output from command /usr/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-QUm4bX/PyV8/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" bdist_wheel -d /tmp/tmpb0udlepip-wheel- --python-tag cp27:
 running bdist_wheel
 running build
 running build_py
 creating build
 creating build/lib.linux-x86_64-2.7
 copying PyV8.py -> build/lib.linux-x86_64-2.7
 running build_ext
 building '_PyV8' extension
 creating build/temp.linux-x86_64-2.7
 creating build/temp.linux-x86_64-2.7/src
 x86_64-linux-gnu-gcc -pthread -DNDEBUG -g -fwrapv -O2 -Wall -Wstrict-prototypes -fno-strict-aliasing -Wdate-time -D_FORTIFY_SOURCE=2 -g -fdebug-prefix-map=/build/python2.7-cFt4xx/python2.7-2.7.12=. -fstack-protector-strong -Wformat -Werror=format-security -fPIC -DBOOST_PYTHON_STATIC_LIB -Ilib/python/inc -Ilib/boost/inc -Ilib/v8/inc -I/usr/include/python2.7 -c src/Exception.cpp -o build/temp.linux-x86_64-2.7/src/Exception.o
 cc1plus: warning: command line option ‘-Wstrict-prototypes' is valid for C/ObjC but not for C++
 In file included from src/Exception.cpp:1:0:
 src/Exception.h:6:16: fatal error: v8.h: 沒有那個(gè)文件或目錄
 #include <v8.h>
     ^
 compilation terminated.
 error: command 'x86_64-linux-gnu-gcc' failed with exit status 1
 
 ----------------------------------------
 Failed building wheel for PyV8
 Running setup.py clean for PyV8
Failed to build PyV8
Installing collected packages: PyV8
 Running setup.py install for PyV8 ... error
 Complete output from command /usr/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-QUm4bX/PyV8/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" install --record /tmp/pip-7OAwUa-record/install-record.txt --single-version-externally-managed --compile:
 running install
 running build
 running build_py
 creating build
 creating build/lib.linux-x86_64-2.7
 copying PyV8.py -> build/lib.linux-x86_64-2.7
 running build_ext
 building '_PyV8' extension
 creating build/temp.linux-x86_64-2.7
 creating build/temp.linux-x86_64-2.7/src
 x86_64-linux-gnu-gcc -pthread -DNDEBUG -g -fwrapv -O2 -Wall -Wstrict-prototypes -fno-strict-aliasing -Wdate-time -D_FORTIFY_SOURCE=2 -g -fdebug-prefix-map=/build/python2.7-cFt4xx/python2.7-2.7.12=. -fstack-protector-strong -Wformat -Werror=format-security -fPIC -DBOOST_PYTHON_STATIC_LIB -Ilib/python/inc -Ilib/boost/inc -Ilib/v8/inc -I/usr/include/python2.7 -c src/Exception.cpp -o build/temp.linux-x86_64-2.7/src/Exception.o
 cc1plus: warning: command line option ‘-Wstrict-prototypes' is valid for C/ObjC but not for C++
 In file included from src/Exception.cpp:1:0:
 src/Exception.h:6:16: fatal error: v8.h: 沒有那個(gè)文件或目錄
  #include <v8.h>
     ^
 compilation terminated.
 error: command 'x86_64-linux-gnu-gcc' failed with exit status 1
 
 ----------------------------------------
Command "/usr/bin/python -u -c "import setuptools, tokenize;__file__='/tmp/pip-build-QUm4bX/PyV8/setup.py';exec(compile(getattr(tokenize, 'open', open)(__file__).read().replace('\r\n', '\n'), __file__, 'exec'))" install --record /tmp/pip-7OAwUa-record/install-record.txt --single-version-externally-managed --compile" failed with error code 1 in /tmp/pip-build-QUm4bX/PyV8/

似乎是因?yàn)槿鄙?v8.h 這個(gè)文件導(dǎo)致的，可是又看不懂啥意思。

解決

通過搜索引擎找到了解決方案，原來是因?yàn)?PyV8 依賴于Boost ，然而這個(gè)問題官方并沒有說，所以得先安裝下這個(gè)包

apt-get update && apt-get install libboost-all-dev

安裝完成之后繼續(xù)安裝 PyV8 ，依然是上面同樣的問題，看來只能手動(dòng)來了。

下載 https://github.com/emmetio/pyv8-binaries

解壓并選擇合適自己系統(tǒng)環(huán)境的文件，再次解壓并把解壓得到的文件復(fù)制到

/usr/lib/python2.7/dist-packages/

里面去，然后測試看是否成功，終端執(zhí)行

python
import PyV8

如果沒有報(bào)錯(cuò)，那就成功了，開始愉快的玩耍，下面是我需要解析的js代碼

var l = [119, 98, 115, 33, 111, 109, 120, 105, 118, 62, 92, 50, 50, 54, 45, 50, 50, 51, 45, 50, 50, 55, 45, 50, 49, 58, 45, 50, 50, 49, 45, 50, 51, 51, 45, 50, 50, 52, 45, 50, 50, 51, 45, 50, 50, 54, 45, 50, 49, 55, 45, 50, 49, 58, 45, 50, 49, 50, 45, 50, 50, 54, 45, 50, 50, 58, 45, 50, 50, 49, 45, 50, 50, 51, 45, 50, 50, 58, 45, 50, 51, 51, 45, 50, 50, 58, 45, 50, 50, 55, 45, 50, 50, 54, 45, 50, 50, 54, 94, 60, 119, 98, 115, 33, 121, 119, 99, 100, 108, 62, 92, 49, 45, 51, 50, 45, 53, 45, 55, 45, 50, 50, 45, 57, 45, 56, 45, 50, 51, 45, 51, 45, 51, 49, 45, 50, 52, 45, 50, 54, 45, 50, 49, 45, 50, 57, 45, 52, 45, 58, 45, 50, 53, 45, 50, 56, 45, 54, 45, 50, 55, 45, 50, 58, 45, 50, 94, 60, 119, 98, 115, 33, 118, 62, 35, 35, 60, 103, 112, 115, 33, 41, 119, 62, 49, 60, 119, 61, 121, 119, 99, 100, 108, 47, 109, 102, 111, 104, 117, 105, 60, 119, 44, 44, 42, 124, 118, 44, 62, 84, 117, 115, 106, 111, 104, 47, 103, 115, 112, 110, 68, 105, 98, 115, 68, 112, 101, 102, 41, 111, 109, 120, 105, 118, 92, 121, 119, 99, 100, 108, 92, 119, 94, 94, 42, 126, 60, 37, 47, 100, 112, 112, 108, 106, 102, 41, 40, 114, 117, 112, 108, 102, 111, 40, 45, 118, 45, 124, 113, 98, 117, 105, 59, 40, 48, 40, 126, 42, 60];
eval(function(p, a, c, k, e, d) {
 e = function(c) {
 return (c < a ? "" : e(parseInt(c / a))) + ((c = c % a) > 35 ? String.fromCharCode(c + 29) : c.toString(36))
 };
 if (!''.replace(/^/, String)) {
 while (c--) d[e(c)] = k[c] || e(c);
 k = [function(e) {
 return d[e]
 }];
 e = function() {
 return '\\w+'
 };
 c = 1
 };
 while (c--) if (k[c]) p = p.replace(new RegExp('\\b' + e(c) + '\\b', 'g'), k[c]);
 return p
}('6 3=\'\';7(2=0;2<4.5;2++){3+=8.a(4[2]-1)};9(3)', 11, 11, '||i|t|l|length|var|for|String|eval|fromCharCode'.split('|'), 0, {}))

已經(jīng)經(jīng)過整理，其實(shí)剛開始就只有一行，比較尷尬

姿勢(shì)

折騰的過程可謂是各種曲折，不過也學(xué)到了不少姿勢(shì)，比如，如何把混淆的js還原成原始代碼

使用Firebug插件就能輕松解決這個(gè)問題，打開firebug插件，找到腳本選項(xiàng)，選擇帶 eval 的項(xiàng)，一般解析到最后一行就是原始代碼了，我上面的那段 js 還原之后就便成了這個(gè)樣子

var balwi=[115,116,115,122,112,115,110,106,122,110,122,112,101,119,115,106,113,101,116,116,119,106];var ljpry=[15,21,4,9,12,14,11,0,18,20,8,16,7,2,1,10,17,13,19,6,5,3];var j="";for (k=0;k<ljpry.length;k++){j+=String.fromCharCode(balwi[ljpry[k]])};$.cookie('qtoken',j,{path:'/'});

稍微整理一下得到一個(gè)格式清晰的代碼

var balwi = [115, 116, 115, 122, 112, 115, 110, 106, 122, 110, 122, 112, 101, 119, 115, 106, 113, 101, 116, 116, 119, 106];
var ljpry = [15, 21, 4, 9, 12, 14, 11, 0, 18, 20, 8, 16, 7, 2, 1, 10, 17, 13, 19, 6, 5, 3];
var j = "";
for (k = 0; k < ljpry.length; k++) {
 j += String.fromCharCode(balwi[ljpry[k]])
};
$.cookie('qtoken', j, {
 path: '/'
});

有了原始代碼就很容易得到令牌的生成算法，使用Python生成，這回不用麻煩 PyV8 大神出馬了。

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流。

您可能感興趣的文章: