别让加密难倒你：Python爬虫攻克加密网站的实战教程

今天有个朋友向我求助 ，别让希望我帮他爬取一个网站上的加密加密内容
。网站内容如下 ：

复制aHR0cHM6Ly93d3cuY2NwcmVjLmNvbS9uYXZDcXpyLyMvCg==1.

打开上述网址 ，难倒进入开发者模式，爬虫这些数据的攻克请求接口 ，正常逻辑是网站通过搜索页面上内容进行锁定请求接口 。但是战教，进行搜索时，别让发现什么都搜索不到。加密加密

通过上图发现
，难倒这些数据只请求了一个接口 ，爬虫当我点击负载和响应这两个标签 ，攻克发现数据是服务器租用网站被加密了
，所以，战教我们搜索不了页面的别让内容 。

负载加密内容

响应加密内容

浏览器为啥是明文？

这时相信小伙伴
，心中都有一个疑问浏览器为啥是明文？  浏览器在收到数据后，会自动采用服务器返回的资源文件对加密内容进行解密并显示明文 ，这也是我们能够在页面上看到正常内容的原因。

如何定位到加密资源文件

通过XHR/提取断点 ，该方法是通过匹配URL包括请求路径关键字进行断点，高防服务器具体配置如下图：

这时我们重新刷新网页，如下图所示，网站就成功进入我们上一步设置的断点中。

其中
，h就是加密后的请求体参数，然后我们从调用堆栈中一步步往前推。至于如何找呢？这里是有一个技巧的 ，我们需要找到前一步请求体还没加密  ，后一步请求体就加密成功了。

请求体加密后

请求体加密前

其中上图o就是请求体加密之前的源码下载参数，s就是加密后的参数。chunk-common.a25fd3ce.js就是进行加密的js。通过点击堆栈的js名称就可以定位到对应的地方 。

扣取代码

经过上一步分析，我们知道o就是加密之前的参数，就在js代码找o定义的位置
，源码库如下图所示：

下面代码就是请求体的参数 ，通过上述代码发现id是通过uuid方法生成的 。

复制{ "id": "rtmhwib79r4ytdgn", "projectKey": "honsan_cloud_ccprec", "clientKey": "rtmhwialwggc91l6", "token": null, "clientDailyData": { }, "acts": [ { "id": "rtmhwib65mon96h1", "fullPath": "/cloud.sys.tomcatV11/api/v1/template/getPages", "args": [ { "yuPiLou": { "templateId": "32d3044760964ed8927bad49e545ba4b", "pageNo": 1, "pageSize": 20, "where": { "projecttype": "PG3", "state": "42" } } } ] } ] }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.

接着我们需求扣取这个uuid方法。通过鼠标悬停在这个方法上面 ，就会弹出面板，如下图所示：

点击后就会调到uuid方法定义的地方，如下图所示 ：

把这段代码扣取下面 ，如下所示：

复制uuid = function (t, n) { void 0 === t && (t = 16), void 0 === n && (n = !1), !n && t < 16 && (console.error("uuid useCase=false 时 len 不能小于 16"), t = 16), n && t < 12 && (console.error("uuid useCase=true 时 len 不能小于 12"), t = 12); var i = ((new Date).getTime() + 1e14).toString(); return i += ("000" + (++e.uuidCount).toString()).substr(-3, 3), i = n ? parseInt(i).to62() : parseInt(i).toString(36), i += randomStr(t), i = i.substr(0, t), i }1.2.3.4.5.6.7.8.9.10.11.12.13.14.

把this关键的全部删除它。

然后通过node进行运行，如下图所示报错了e没有定义。模板下载

于是，我们再去源码中找改值是什么？通过选中该值
，经过几次的确认 。该值是NaN,如下图所示：

我们再自己扣取的代码写死它 
，再次运行 。如下图所示：

发现这是报randomStr没有定义 ，我们再去源码找这个方法进行补环境。通过搜索发现了randomStr方法 ，该方法有调用了random 。于是建站模板我们两个方法一起扣取下来 。

再次运行，没有报错了，成功打印了uuid，如下图所示  ：

把之前扣取下来的请求体，id字段固定值替换成uuid函数生成的动态值 ，如下图所示：

最重要的一步就是扣取加密的JS代码啦， 在请求体参数附近查看this.aes.encode(a)加密方法 ，如下图所示：

通过上面介绍的方面快速定位到这个加密的方法，如下图所示：

该方法又调用了另外一个方法this.encryptCode，通过关键搜索也找到了encryptCode方法，如下图所示：

加密方法

按照编程习惯 ，附近也会有对应的解密方法的
，如下图所示 ：

解密方法

现在加密和解密的方法都找到了 ，我们把它全部扣取下面进行调试 ，发现缺什么方法再进行补。重新定义一个方法生成加密请求头 ，后续让python调用这个方法并传入分页参数
。如下图所示：

测试该方法是否能正常生成加密请求头，执行如下命令：

复制console.log(encrypt())1.

执行上述方法后
，输入如下图所示：

通过python模拟请求

这里介绍一个非常快捷的方式用python模拟一个浏览器请求 ，首先我们先在开发者模式选择这条请求，然后右击选择**将所有列表复制为cURL(Bash)**，如下图所示：

然后，来的这个工具网站[1] ，粘贴刚才复制的cURL信息，就可以根据自己喜欢的编程语言生成模拟浏览器请求的代码，如下图所示 ：

然后，把生成的代码拷贝下来 ，进行修改 。通过python的第三方库execjs调用js代码并执行对应的方法。

复制jscode=open("./test.js",r,encoding=utf-8).read()1.

以读的模式打开test.js并赋值给jscode

复制data = execjs.compile(jscode).call("encrypt",page)1.

通过execjs调用jscode对象 ，并通过call方法调用encrypt加密方法，并传入分页参数page。

下图是python中的完整代码：

执行上述代码后，成功获取网站的数据如下图所示：

遇到的问题

在python中使用execjs库，出现UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xac in position 244: illegal multibyte sequence ，一般遇见编码问题先看看代码里写没写encoding=utf-8，没写的话写加上试试。加了也不行。通过在python代码中加入如下代码 ：

复制import subprocess from functools import partial subprocess.Popen = partial(subprocess.Popen, encoding="utf-8")1.2.3. 脚本获取方式

上述脚本已经上传上传到gitee,有需要的小伙伴可以自行获取。gitee上的仓库主要是分享一些工作中常用的脚本。小伙伴可以frok或者watch仓库 ，这样有更新可以及时关注到 。

仓库地址：https://gitee.com/didiplus/script

工具网站: https://curlconverter.com/