Python爬蟲如何破解JS加密的Cookie
更新時間：2020年11月19日 14:32:55 作者：zhongchangcai
這篇文章主要介紹了Python爬蟲如何破解JS加密的Cookie，幫助大家更好的理解和使用爬蟲，感興趣的朋友可以了解下
通過Fiddler抓包比較，基本可以確定是JavaScript生成加密Cookie導致原來的請求返回521。
發(fā)現問題：
打開Fiddler軟件，用瀏覽器打開目標站點(http://www.kuaidaili.com/proxylist/2/) ?？梢园l(fā)現瀏覽器對這個頁面加載了兩次，第一次返回521，第二次才正常返回數據。很多沒有寫過網站或是爬蟲經驗不足的童鞋，可能就會覺得奇怪為什么會這樣？為什么瀏覽器可能正常返回數據而代碼卻不行？
仔細觀察兩次返回的結果可以發(fā)現：
1、第二次請求比第一次請求的Cookie內容多了個這個_ydclearance=0c316df6ea04c5281b421aa8-5570-47ae-9768-2510d9fe9107-1490254971
2、第一次返回的內容一些復雜看不懂的JS代碼，第二次返回的就是正確的內容
其實這是網站反爬蟲的常用手段。大致過程是這樣的：首次請求數據時，服務端返回動態(tài)的混淆加密過的JS，而這段JS的作用是給Cookie添加新的內容用于服務端驗證，此時返回的狀態(tài)碼是521。瀏覽器帶上新的Cookie再次請求，服務端驗證Cookie通過返回數據(這也是為嘛代碼不能返回數據的原因)。
解決問題
其實我第一次遇到這樣的問題是，一開始想的就是既然你是用JS生成的Cookie, 那么我也可以將JS函數翻譯成Python運行。但是最后還是發(fā)現我太傻太天真，因為現在的JS都流行混淆加密，原始的JS這樣的:
function lq(VA) {
var qo, mo = "", no = "", oo = [0x8c, 0xcd, 0x4c, 0xf9, 0xd7, 0x4d, 0x25, 0xba, 0x3c, 0x16, 0x96, 0x44, 0x8d, 0x0b, 0x90, 0x1e, 0xa3, 0x39, 0xc9, 0x86, 0x23, 0x61, 0x2f, 0xc8, 0x30, 0xdd, 0x57, 0xec, 0x92, 0x84, 0xc4, 0x6a, 0xeb, 0x99, 0x37, 0xeb, 0x25, 0x0e, 0xbb, 0xb0, 0x95, 0x76, 0x45, 0xde, 0x80, 0x59, 0xf6, 0x9c, 0x58, 0x39, 0x12, 0xc7, 0x9c, 0x8d, 0x18, 0xe0, 0xc5, 0x77, 0x50, 0x39, 0x01, 0xed, 0x93, 0x39, 0x02, 0x7e, 0x72, 0x4f, 0x24, 0x01, 0xe9, 0x66, 0x75, 0x4e, 0x2b, 0xd8, 0x6e, 0xe2, 0xfa, 0xc7, 0xa4, 0x85, 0x4e, 0xc2, 0xa5, 0x96, 0x6b, 0x58, 0x39, 0xd2, 0x7f, 0x44, 0xe5, 0x7b, 0x48, 0x2d, 0xf6, 0xdf, 0xbc, 0x31, 0x1e, 0xf6, 0xbf, 0x84, 0x6d, 0x5e, 0x33, 0x0c, 0x97, 0x5c, 0x39, 0x26, 0xf2, 0x9b, 0x77, 0x0d, 0xd6, 0xc0, 0x46, 0x38, 0x5f, 0xf4, 0xe2, 0x9f, 0xf1, 0x7b, 0xe8, 0xbe, 0x37, 0xdf, 0xd0, 0xbd, 0xb9, 0x36, 0x2c, 0xd1, 0xc3, 0x40, 0xe7, 0xcc, 0xa9, 0x52, 0x3b, 0x20, 0x40, 0x09, 0xe1, 0xd2, 0xa3, 0x80, 0x25, 0x0a, 0xb2, 0xd8, 0xce, 0x21, 0x69, 0x3e, 0xe6, 0x80, 0xfd, 0x73, 0xab, 0x51, 0xde, 0x60, 0x15, 0x95, 0x07, 0x94, 0x6a, 0x18, 0x9d, 0x37, 0x31, 0xde, 0x64, 0xdd, 0x63, 0xe3, 0x57, 0x05, 0x82, 0xff, 0xcc, 0x75, 0x79, 0x63, 0x09, 0xe2, 0x6c, 0x21, 0x5c, 0xe0, 0x7d, 0x4a, 0xf2, 0xd8, 0x9c, 0x22, 0xa3, 0x3d, 0xba, 0xa0, 0xaf, 0x30, 0xc1, 0x47, 0xf4, 0xca, 0xee, 0x64, 0xf9, 0x7b, 0x55, 0xd5, 0xd2, 0x4c, 0xc9, 0x7f, 0x25, 0xfe, 0x48, 0xcd, 0x4b, 0xcc, 0x81, 0x1b, 0x05, 0x82, 0x38, 0x0e, 0x83, 0x19, 0xe3, 0x65, 0x3f, 0xbf, 0x16, 0x88, 0x93, 0xdd, 0x3b];
qo = "qo=241; do{oo[qo]=(-oo[qo])&0xff; oo[qo]=(((oo[qo]>>3)|((oo[qo]<<5)&0xff))-70)&0xff;} while(--qo>=2);";
eval(qo);
qo = 240;
do {
oo[qo] = (oo[qo] - oo[qo - 1]) & 0xff;
} while (--qo >= 3);
qo = 1;
for (; ;) {
if (qo > 240) break;
oo[qo] = ((((((oo[qo] + 2) & 0xff) + 76) & 0xff) << 1) & 0xff) | (((((oo[qo] + 2) & 0xff) + 76) & 0xff) >> 7);
qo++;
}
po = "";
for (qo = 1; qo < oo.length - 1; qo++) if (qo % 6) po += String.fromCharCode(oo[qo] ^ VA);
eval("qo=eval;qo(po);");
}
看到這樣的JS代碼，我只能說原諒我JS能力差，還原不了。。。
但是前端經驗豐富的童鞋馬上就能想到還有種方法可解，那就是利用瀏覽器的JS代碼調試功能。這樣一切就迎刃而解，新建一個html文件，將第一次返回的html原文復制進去，保存用瀏覽器打開，在eval之前打上斷點，看到這樣的輸出:
可以看到這個變量po為document.cookie='_ydclearance=0c316df6ea04c5281b421aa8-5570-47ae-9768-2510d9fe9107-1490254971; expires=Thu, 23-Mar-17 07:42:51 GMT; domain=.kuaidaili.com; path=/'; window.document.location=document.URL,下面還有個eval("qo=eval;qo(po);")。JS里面的eval和Python的差不多，第二句的意思就是將eval方法賦給qo。然后去eval字符串po。而字符串po的前半段的意思是給瀏覽器添加Cooklie,后半段window.document.location=document.URL是刷新當前頁面。
這也印證了我上面的說法，首次請求沒有Cookie，服務端回返回一段生成Cookie并自動刷新的JS代碼。瀏覽器拿到代碼能夠成功執(zhí)行，帶著新的Cookie再次請求獲取數據。而Python拿到這段代碼就只能停留在第一步。
那么如何才能使Python也能執(zhí)行這段JS呢，答案是PyV8。V8是Chromium中內嵌的javascript引擎，號稱跑的最快。PyV8是用Python在V8的外部API包裝了一個python殼，這樣便可以使python可以直接與javascript操作。PyV8的安裝大家可以自行百度。
代碼
分析完成，下面切入正題擼代碼。
首先是正常請求網頁，返回帶加密的JS函數的html:
import re
import PyV8
import requests
TARGET_URL = "http://www.kuaidaili.com/proxylist/1/"
def getHtml(url, cookie=None):
header = {
"Host": "www.kuaidaili.com",
'Connection': 'keep-alive',
'Cache-Control': 'max-age=0',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.87 Safari/537.36',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8',
}
html = requests.get(url=url, headers=header, timeout=30, cookies=cookie).content
return html
# 第一次訪問獲取動態(tài)加密的JS
first_html = getHtml(TARGET_URL)
由于返回的是html，并不單純的JS函數，所以需要用正則提取JS函數的參數的參數。
# 提取其中的JS加密函數 js_func = ''.join(re.findall(r'(function .*?)</script>', first_html)) print 'get js func:\n', js_func # 提取其中執(zhí)行JS函數的參數 js_arg = ''.join(re.findall(r'setTimeout\(\"\D+\((\d+)\)\"', first_html)) print 'get ja arg:\n', js_arg
還有一點需要注意，在JS函數中并沒有返回cookie，而是直接將cookie set到瀏覽器，所以我們需要將eval("qo=eval;qo(po);")替換成return po。這樣就能成功返回po中的內容。
def executeJS(js_func_string, arg):
ctxt = PyV8.JSContext()
ctxt.enter()
func = ctxt.eval("({js})".format(js=js_func_string))
return func(arg)
# 修改JS函數，使其返回Cookie內容
js_func = js_func.replace('eval("qo=eval;qo(po);")', 'return po')
# 執(zhí)行JS獲取Cookie
cookie_str = executeJS(js_func, js_arg)
這樣返回的cookie是字符串格式，但是用requests.get()需要字典形式，所以將其轉換成字典：
def parseCookie(string):
string = string.replace("document.cookie='", "")
clearance = string.split(';')[0]
return {clearance.split('=')[0]: clearance.split('=')[1]}
# 將Cookie轉換為字典格式 cookie = parseCookie(cookie_str)
最后帶上解析出來的Cookie再次訪問網頁，成功獲取數據:
# 帶上Cookie再次訪問url,獲取正確數據 print getHtml(TARGET_URL, cookie)[0:500]
下面是完整代碼:
# -*- coding: utf-8 -*-
""" ------------------------------------------------- File Name： demo_1.py.py Description : Python爬蟲—破解JS加密的Cookie 快代理網站為例：http://www.kuaidaili.com/proxylist/1/ Document: Author : JHao date： 2017/3/23 ------------------------------------------------- Change Activity: 2017/3/23: 破解JS加密的Cookie ------------------------------------------------- """
__author__ = 'JHao'
import re
import PyV8
import requests
TARGET_URL = "http://www.kuaidaili.com/proxylist/1/"
def getHtml(url, cookie=None):
header = {
"Host": "www.kuaidaili.com",
'Connection': 'keep-alive',
'Cache-Control': 'max-age=0',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.87 Safari/537.36',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8',
}
html = requests.get(url=url, headers=header, timeout=30, cookies=cookie).content
return html
def executeJS(js_func_string, arg):
ctxt = PyV8.JSContext()
ctxt.enter()
func = ctxt.eval("({js})".format(js=js_func_string))
return func(arg)
def parseCookie(string):
string = string.replace("document.cookie='", "")
clearance = string.split(';')[0]
return {clearance.split('=')[0]: clearance.split('=')[1]}
# 第一次訪問獲取動態(tài)加密的JS
first_html = getHtml(TARGET_URL)
# first_html = """
# <html><body><script language="javascript"> window.onload=setTimeout("lu(158)", 200); function lu(OE) {var qo, mo="", no="", oo = [0x64,0xaa,0x98,0x3d,0x56,0x64,0x8b,0xb0,0x88,0xe1,0x0d,0xf4,0x99,0x31,0xd8,0xb6,0x5d,0x73,0x98,0xc3,0xc4,0x7a,0x1e,0x38,0x9d,0xe8,0x8d,0xe4,0x0a,0x2e,0x6c,0x45,0x69,0x41,0xe5,0xd0,0xe5,0x11,0x0b,0x35,0x7b,0xe4,0x09,0xb1,0x2b,0x6d,0x82,0x7c,0x25,0xdd,0x70,0x5a,0xc4,0xaa,0xd3,0x74,0x98,0x42,0x3c,0x60,0x2d,0x42,0x66,0xe0,0x0a,0x2e,0x96,0xbb,0xe2,0x1d,0x38,0xdc,0xb1,0xd6,0x0e,0x0d,0x76,0xae,0xc3,0xa9,0x3b,0x62,0x47,0x40,0x15,0x93,0xb7,0xee,0xc3,0x3e,0xfd,0xd3,0x0d,0xf6,0x61,0xdc,0xf1,0x2c,0x54,0x8c,0x90,0xfa,0x24,0x5b,0x83,0x0c,0x75,0xaf,0x18,0x01,0x7e,0x68,0xe0,0x0a,0x72,0x1e,0x88,0x33,0xa7,0xcc,0x31,0x9b,0xf3,0x1a,0xf2,0x9a,0xbf,0x58,0x83,0xe4,0x87,0xed,0x07,0x7e,0xe2,0x00,0xe9,0x92,0xc9,0xe8,0x59,0x7d,0x56,0x8d,0xb5,0xb2,0x6c,0xe0,0x49,0x73,0xfc,0xe7,0x20,0x49,0x34,0x09,0x71,0xeb,0x60,0xfd,0x8e,0xad,0x0f,0xb9,0x2e,0x77,0xdc,0x74,0x9b,0xbf,0x8f,0xa5,0x8d,0xb8,0xb0,0x06,0xac,0xc5,0xe9,0x10,0x12,0x77,0x9b,0xb1,0x19,0x4e,0x64,0x5c,0x00,0x98,0xc6,0xed,0x98,0x0d,0x65,0x11,0x35,0x9e,0xf4,0x30,0x93,0x4b,0x00,0xab,0x20,0x8f,0x29,0x4f,0x27,0x8c,0xc2,0x6a,0x04,0xfb,0x51,0xa3,0x4b,0xef,0x09,0x30,0x28,0x4d,0x25,0x8e,0x76,0x58,0xbf,0x57,0xfb,0x20,0x78,0xd1,0xf7,0x9f,0x77,0x0f,0x3a,0x9f,0x37,0xdb,0xd3,0xfc,0x14,0x39,0x11,0x3b,0x94,0x8c,0xad,0x8e,0x5c,0xd3,0x3b];qo = "qo=251; do{oo[qo]=(-oo[qo])&0xff; oo[qo]=(((oo[qo]>>4)|((oo[qo]<<4)&0xff))-0)&0xff;} while(--qo>=2);"; eval(qo);qo = 250; do { oo[qo] = (oo[qo] - oo[qo - 1]) & 0xff; } while (-- qo >= 3 );qo = 1; for (;;) { if (qo > 250) break; oo[qo] = ((((((oo[qo] + 200) & 0xff) + 121) & 0xff) << 6) & 0xff) | (((((oo[qo] + 200) & 0xff) + 121) & 0xff) >> 2); qo++;}po = ""; for (qo = 1; qo < oo.length - 1; qo++) if (qo % 5) po += String.fromCharCode(oo[qo] ^ OE);eval("qo=eval;qo(po);");} </script> </body></html>
# """
# 提取其中的JS加密函數
js_func = ''.join(re.findall(r'(function .*?)</script>', first_html))
print 'get js func:\n', js_func
# 提取其中執(zhí)行JS函數的參數
js_arg = ''.join(re.findall(r'setTimeout\(\"\D+\((\d+)\)\"', first_html))
print 'get ja arg:\n', js_arg
# 修改JS函數，使其返回Cookie內容
js_func = js_func.replace('eval("qo=eval;qo(po);")', 'return po')
# 執(zhí)行JS獲取Cookie
cookie_str = executeJS(js_func, js_arg)
# 將Cookie轉換為字典格式
cookie = parseCookie(cookie_str)
print cookie
# 帶上Cookie再次訪問url,獲取正確數據
print getHtml(TARGET_URL, cookie)[0:500]
以上就是Python爬蟲如何破解JS加密的Cookie的詳細內容，更多關于python 爬蟲破解js加密的資料請關注腳本之家其它相關文章！
相關文章
本文給大家匯總了一下在Python中random模塊中最常用的生成隨機數的方法，有需要的小伙伴可以參考下2016-03-03
在Linux系統(tǒng)中,使用miniconda可以方便的進行軟件的安裝和環(huán)境配置,本文就來介紹一下Linux重裝miniconda的方法步驟,具有一定的參考價值,感興趣的可以了解一下2024-03-03
這篇文章主要為大家詳細介紹了python實現移位加密和解密，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-03-03
在實際的數據處理中，缺失值是普遍存在的，如何使用 Python 檢測和處理缺失值，就是本文要講的主要內容。感興趣的同學可以關注一下2021-12-12
這篇文章主要介紹了Python輸入正負10進制,轉4位16進制問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-06-06
在本篇文章里小編給大家整理了關于Python拋出引發(fā)異常(raise)知識點總結內容，有需要的朋友們可以學習參考下。2021-06-06
這篇文章主要介紹了Python中return用法案例詳解,本篇文章通過簡要的案例,講解了該項技術的了解與使用,以下就是詳細內容,需要的朋友可以參考下2021-07-07
Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享
借助urllib、urllib2和BeautifulSoup等幾個模塊的常用爬蟲開發(fā)組合,我們能夠輕易實現一份淘寶對賬單,這里我們就來看一則Python模擬登陸淘寶并統(tǒng)計淘寶消費情況的代碼實例分享:2016-07-07
這篇文章主要介紹了一篇文章快速了解Python的GIL，具有一定借鑒價值,需要的朋友可以參考下2018-01-01
文章去重（或叫網頁去重）是根據文章（或網頁）的文字內容來判斷多個文章之間是否重復,下面這篇文章主要給大家介紹了關于利用Python實現論文降重工具的相關資料,需要的朋友可以參考下2021-07-07