web爬虫第五弹 - JS逆向入门（猿人学第一题）

0- 前言

爬虫是一门需要实战的学问。 而对于初学者来说，要想学好反爬，js逆向则是敲门砖。今天给大家带来一个js逆向入门实例，接下来我们一步一步来感受下入门的逆向是什么样的。该案例选自猿人学练习题。猿人学第一题

1- 拿到需求

进入页面拿到需求我们先不要急着看源码， 没事多点点喝杯茶。需求为抓取页面上所有机票的平均值。

2- 参数分析

1- 打开无痕浏览器， 免得上班刷题被网管查到记录。 然后可以放心的多一点看一](https://img-blog.csdnimg.cn/b576674b03fc4d04a2a2add6242ae611.png)
前三页都挺正常的， 看起来就是普普通通的AJAX请求

2- 第四页第五页画风突变，不让看了。一想也是， 防止你手动计算， 只能逆了js才能访问。 好吧， 我们现在来构建一下请求。

3- 复制请求到postman， 可以正常访问。

将代码复制到python， 亦可以正常访问。 哇， 感觉还行啊

再运行一下， 报错了， 看下postman， 也报错了。 看样子是有时效性的参数。 那我们来看看参数吧。

就是这个了， 多抓几次包， 确定page是页数，还有一个m是变动的。 瞅着后面像是个时间戳。前面是一段类似加密参数。 那我们的目标明确了， 就是这个m。 破解了， 就可以正常获取到页面了吧。

3- 逆向过程

1- 首先我们要知道一个参数如何加密的，需要先找到加密代码。 以下提供两个方法：
方法一：从Initiator中进入

最后一个请求在此发出。 我们在此处打上断点， 即为发送请求时所有参数在此以全部加载完。那我们重新请求， 既可以看到参数的变化，从call stack中寻找， 或者search中搜索关键词都行。 慢慢找到参数 m 的生成地方

最终我们在request中找到了m的生成地方， 查看m参数是如何生成的

我们看到参数m 是有 window[‘\x66’] 这个值生成。很明显这个js文件中并没有该值的生成逻辑。 那如何找到 window[‘\x66’] 的加载地方呢。 我们继续往上一个堆栈找， 即anonymous。

进入后我们发现这里有一大段未格式化的js代码。 写的不规范，十有八九就是不想让你看。 如果一个网站js代码不想让别人读，那它一定有问题， 我们把这段代码拿出来格式化一下

去掉一些没有什么卵用的东西， 剩下了两段js代码。
一段是我们在上一个js中看到的oo0O0(mw)函数，
另一段是window的相关属性。

咱们都展开看一下，运行一下， 发现报错。 缺少w函数， 我们缺啥补啥，一个个给他找齐

D:\Scriptspace\逆向\学习逆向第一步\猿人学_第一题\第一段js.js:1
w();
^

只用补齐w() 和 D()两个函数， 再次运行即正常了， 我们拿到参数 mw， 传入oo0O0(mw) 试试效果

结果如下， 又去少了window.a, 继续补， 补到运行不报错为止。

参数全部补齐后， 又报了一个如下错误。

node:buffer:1349
throw lazyDOMException(‘Invalid character’, ‘InvalidCharacterError’);
^
DOMException [InvalidCharacterError]: Invalid character
at new DOMException (node:internal/per_context/domexception:53:5)
at _node_internal (node:internal/util:520:10)
at atob (node:buffer:1349:13)
at oo0O0 (D:\Scriptspace\逆向\学习逆向第一步\猿人学_第一题\第一段js.js:52:10)
at Object. (D:\Scriptspace\逆向\学习逆向第一步\猿人学_第一题\第一段js.js:57:13)
at Module._compile (node:internal/modules/cjs/loader:1254:14)
at Module._extensions…js (node:internal/modules/cjs/loader:1308:10)
at Module.load (node:internal/modules/cjs/loader:1117:32)
at Module._load (node:internal/modules/cjs/loader:958:12)
at Function.executeUserEntryPoint [as runMain] (node:internal/modules/run_main:81:12)

没办法一个个去打印查看一下，并随手chatgpt一下， 经过gpt的解析， 代码应该是如下这样。
其中mw是个变量， 估计是传入的mw的值。目测这就是一个函数啊

atob(window['b'])[J('0x0', ']dQW')](J('0x1', 'GTu!'),  "mw" )

我们在控制台将函数打印一下，并提取出来

格式化一整理， 这就是个函数啊， 我们将参数传入。一运行， 成功了。 多次校验， 这个值就是参数m的加密值。 还准备打持久战，怎么稀里糊涂就已经拿到值了。

总结

按照我们原本的思路， 我们的处理逻辑是

1- 我们多次请求， 对页面进行抓包， 分析其参数。 
	猜想为： 加密参数外加cookie中其他参数
	案例中： 只有一个m参数为必须参数
2- 对js进行断点调试， 找到m参数生成的地方
	猜想为： 一段js加密， 或许会有混淆。 
	案例中： 加密逻辑为一段未格式化的<script>脚本，格式化后就能正常调用。
3- 对加密代码进行解析
	猜想为： 生成出有一段 oo0O0(mw) 的代码， 和一段window的参数代码。 需要复现两段代码逻辑， 整合后进行解密。
	案例中： 只处理了 oo0O0(mw) 函数， 并在函数中找到了eval(atob(window['b'])[J('0x0', ']dQW')](J('0x1', 'GTu!'), '\x27' + mw + '\x27')); 这段数据， 在找不到window['b']的生成处后，直接打印了atob(window['b'])得到一段js代码。 解析js代码， 确认直接为加密逻辑
4- 校验， 通过读传参时的js确定参数为时间戳， 并将时间戳传入加密逻辑， 成功获取参数m的值。

js逆向需要我们有一定的js功底， 不同的js逆向难易程度都有所不同。 针对于本案例是属于比较简单的js逆向。有种还未还是解析就已经拿到了加密逻辑的感觉。 适合练手

补充

在前面说到有几个断点调试的方法，在之前的爬虫文章中也提到了， 针对这个案例，补充一下查找断点的方法
第一个：添加 xhr断点， 因为本案例中为ajax请求， 获取到了接口， 可以直接在这里打上断点

第二个：就是本案例中用到的， 直接callstack中断点

第三个： 直接搜索参数中的page， 直接找到加密逻辑。（这个方法有一定的随机性， 谨慎使用）

代码

加密逻辑大家自己搞定， 我这里只放python代码了。将加密逻辑抠出来， 运行这段python直接获取结果。

import execjs, time, urllib.parse


def get_param_m():
    timestamp = int(time.time()) * 1000 + (16798545 + -72936737 + 156138192)
    M_time = int(timestamp/1000)
    mwqqppz = str(timestamp)

    with open ('猿人学第一题.js',encoding='utf-8') as f:
        js_data = f.read()
    js = execjs.compile(js_data)

    js_result = js.call('hex_md5', mwqqppz)

    param_m = "{}丨{}".format(js_result, M_time)

    return param_m


def get_info(page, param_m):
    import requests

    url = "https://match.yuanrenxue.cn/api/match/1?page={}&m={}".format(page, param_m)
    url = urllib.parse.quote(url, safe=':/?=&')
    print(url)
    headers = {
        'authority': 'match.yuanrenxue.cn',
        'accept': 'application/json, text/javascript, */*; q=0.01',
        'accept-language': 'zh-CN,zh;q=0.9',
        'cache-control': 'no-cache',
        'cookie': 'Hm_lvt_c99546cf032aaa5a679230de9a95c7db=1690184377,1690941596,1690969392,1690971468; Hm_lvt_9bcbda9cbf86757998a2339a0437208e=1690184376,1690941595,1690969392,1690971468; Hm_lvt_434c501fe98c1a8ec74b813751d4e3e3=1690971476; Hm_lpvt_434c501fe98c1a8ec74b813751d4e3e3=1690971476; tk=-7962460354862954537; sessionid=1mcld1cz4z54nrnhkuxfq7wtysc7vdds; Hm_lpvt_9bcbda9cbf86757998a2339a0437208e=1691027865; Hm_lpvt_c99546cf032aaa5a679230de9a95c7db=1691027869',
        'pragma': 'no-cache',
        'referer': 'https://match.yuanrenxue.cn/match/1',
        'sec-ch-ua': '"Google Chrome";v="113", "Chromium";v="113", "Not-A.Brand";v="24"',
        'sec-ch-ua-mobile': '?0',
        'sec-ch-ua-platform': '"Windows"',
        'sec-fetch-dest': 'empty',
        'sec-fetch-mode': 'cors',
        'sec-fetch-site': 'same-origin',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/113.0.0.0 Safari/537.36',
        'x-requested-with': 'XMLHttpRequest'
    }

    response = requests.request("GET", url, headers=headers).json()

    print(response['data'])
    sum = 0
    for val in response['data']:
        sum += val['value']

    mean_num = sum/len(response['data'])
    return mean_num


if __name__ == '__main__':
    sum_num = 0
    for page in range(1, 6):
        param_m = get_param_m()
        print(param_m)
        res = get_info(page ,param_m)
        print(res)
        sum_num += res
    result = sum_num/5
    print(result)