Python爬虫高阶：微店混淆逆向解密

大家好，我是辣条。

这是我爬虫系列的第三十篇，爬虫之路永无止境。

采集目标

网址：

aHR0cHM6Ly93d3cud2VpZGlhbi5jb20vP3NvdXJjZT1ndWFud2FuZw==

工具准备

开发工具：pycharm 开发环境：python3.7， Windows10 使用工具包：requests, node.js,buff

项目解析思路

首先需要找到网页的登录页面的登录接口登录页面：aHR0cHM6Ly9kLndlaWRpYW4uY29tL3dlaWRpYW4tcGMvbG9naW4vP3NwaWRlcl90b2tlbj04MDRjIy8=

在获取到登录接口，接口需要使用抓包工具获取到登录的请求接口，先输入错误的账户密码触发出登录接口

post请求大部分情况下意味着我们需要传递参数，查看需要传递的参数信息，当前网页有点奇怪，账户密码都是没有加密的，加密的是ua字段，那我们今天主要的就是搞定ua字段

今天还是照常使用搜索的方式查找字段，但是ua关键字想想就知道出现的频率会很高，今天来一个搜索的小诀窍，一般ua会作为一个关键字，我们可以更精确的搜索比方说搜索‘ua:’、‘ua=’，这种搜索出来的会比直接搜索关键字更加的准确，

剩下的文件就需要慢慢进行筛选排除了，找到和我们类似相似字段的时候可以断点调试，看看是不是我们需要的请求接口触发的, 最终我们将代码定格在index.js文件

ua字段是由encodeURIComponent加载过来的，encodeURIComponent是对字符串进行url编码的，该方法不会对 ASCII 字母和数字进行编码，也不会对这些 ASCII 标点符号进行编码： - _ . ! ~ * ' ( ) 编码的数据是i，找到i的生成位置， i是由window.getUa加载过来的，搞的辣条一阵欢喜，还想着这个网页加密没有很严谨，到我打开之后发现是辣条的格局小了，打上断点我们进入window.getUa这个函数，看的我菊花一紧。

直接世界崩塌

代码是混淆加密的，在这里也辣条也想征集一个好用的反混淆的工具（还望各位大佬不吝赐教）。

我们来慢慢解一下试试 _0x7dfc34可以很直观看出来是获取时间戳，if的判断是没有进的可以暂时忽略，在下方的函数调用可以不用搭理

开始解析0x261229，0x261229是有3部分拼接得来先解决第一部分0x1722c3(0x2e98dd)， 0x2e98dd可以看出数据是数组，我转换json来看看,先对数据有一定的概念，在看看0x1722c3的函数

    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;}};

调用的函数判断的数据有点多，辣条还是选择直接补环境先把主要代码逻辑放过来

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;
};

尝试运行看看缺少什么，缺什么就补什么，把刚刚控制台上的数据拿过来。

慢慢补的速度实在有点慢，直接拿整个文件吧，混淆的代码看这有点头疼，运行整个js文件时给我们报错。

这个使用特定的js代码搞定，其他脚本也适应,加上之后就没得问题了。

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;

这个我就不就不添加了，直接去源码里查找

两个为本地网址的域名和网络协议直接修改

没有报错了，尝试调用我们的主逻辑代码

当我们调用主函数时报错信息提示btoa的问题，这个是base64的加密方法，直接调用的话会出现一些问题，我们可以选择用buff方式进行加密,将原有代码替换，在尝试运行

var _0x261229 = new Buffer.from(_0x570bef[_0x4651('0x90')](_0x261229, {'to': _0x4651('0x97')}));

大功告成，js给位大佬可以之后自行尝试

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;
#代码实在太太太长了，严重影响了阅读，我全删减了，需要的话可以按照我上面的操作去获取或者不会的话私我获取

后续的工作就很简单了，把数据转换就好了，对网址发送请求带上请求头，在带上需要传递的参数。后面就很简单啦。