用Python模擬網站中對JavaScript加密需要的兩種方法
如果你在做網絡爬蟲時，你是否覺得自己的“蟲”不如別人的?如果你想了解別人的網絡爬蟲到底是怎樣運行以及如何對其進行加密，下面的文章就是介紹如何在python中模擬相關網站的JavaScript加密的實際步驟等相關內容的介紹。
在做網絡爬蟲中很多人都會遇到，做得比較好的一些企業級網站，對于登陸或者其他操作都會對用戶的輸入做一些加密處理后再post到服務器上去，而加密這部分幾乎都是通過JavaScript來完成的，所以要做爬蟲，需要模擬 這些加密的處理。
我比較喜歡Python來做爬蟲，urllib/urllib2庫用起來真的是很方便，所以很多時候遇到需要在python中來模擬網站的JavaScript加密過程。暫時總結起來有兩種方法：
***種是改寫JavaScript的代碼
這沒什么好說的，不過只適用于比較小而且不復雜的JavaScript代碼片段。比如人人網上發站內信的頁面有這樣的一個隱藏post數據：
- <input type="hidden" name="biz" value=0 id="xn_biz"/>
在頁面上biz的值為0，但是post的時候就會變成類似于941_683291223928232的字串，仔細看一下頁面的源代碼，就會發現這段驗證的加密字串是通過一段JavaScript的代碼生成的：
- <script>var mREOQQ=’A`ZDu^`’;var VKMHX=’^&+*L/~’;var
uCHKAU=0;var rTIU;var wCJS=”;var yAYH=Math.floor
(VKMHX.length/2);while(uCHKAU<mREOQQ.length)
{rTIU=mREOQQ.charCodeAt(uCHKAU++);var aYDG=VKMHX.
charCodeAt(rTIU%VKMHX.length);aYDG=String.
fromCharCode(aYDG);if(aYDG==’L')aYDG=’<<’
;if(aYDG==’~')wCJS+=~rTIU*(-1);else{wCJS+=Math.
floor(eval(rTIU+aYDG+yAYH));}}var ab=941;
ab+="_";ab+=wCJS; document.getElementById("xn_biz")
.value=ab;</script>
這其實類似一段小型的驗證加密，它先隨機生產一段字串，復制給隨機產生的一個變量名，再隨機生成一段運算符，復制給另一個隨機生成的變量名，然后對這兩個變量進行一系列操作和運算，生成一個類似于941_683291223928232的字串。每次刷新頁面這段代碼中產生的字串和變量名都是不一樣的，但是仔細研究這段代碼，算法都是相同的，只要得到字串和運算符串，就可以生成這串驗證密鑰了。
所以將這段代碼簡單的改寫成python代碼，問題得到解決，在python模擬網站的JavaScript加密過程下面代碼中code就是提取出來的上述JavaScript代碼中的mREOQQ，operator代表VKMHX，而xn則代表ab的初始值，***得到的xn_biz就是我們最終需要的驗證密鑰了。
- def __genBizCode(code, operator, xn):
- rXHU = unicode( code )
- yAMKEN = operator
- VCHEN, yEEJ, eLKKIH = (0, 0, ”);
- KFNQH = int( len(yAMKEN)/2 );
- while VCHEN < len(rXHU):
- yEEJ = ord(rXHU[VCHEN])
- VCHEN += 1
- index = yEEJ % len(yAMKEN)
- dDWE = ord( yAMKEN[index] )
- dDWE = chr(dDWE)
- if dDWE==’L':
- dDWE = ‘<<’
- if dDWE==’~':
- eLKKIH += str( ~yEEJ*(-1) )
- else:
- reg = ‘%d%s%d’ % ( yEEJ, dDWE, KFNQH)
- eLKKIH += str( int( eval(reg) ) )
- xnxn_biz = xn + ‘_’
- xn_biz += eLKKIH
- return xn_biz
這種方法沒有依賴性，但是使用的范圍較窄，一是要求算法簡單才能改寫，二是要求算法固定，如果每次刷新頁面算法都不一樣，這種方法就不使用了。下面會談到一種通用性的方法。
第二種是在python中運行js代碼由于QZone和QQ校友登陸的時候，post的密碼都進行了加密，搜索了一下，發現很多人都研究過這個東東。騰訊將用戶的密碼和驗證碼一起，通過一些js代碼進行加密，生成一個32為的密鑰最終post到服務器上。
對于這個加密算法，網上大部分流傳的說法是，先將用戶密碼進行3次md5的加密，轉成大寫的32位字符串，再將驗證轉換成大寫，與前面的32位md5大寫字符串相加，得到一個36位的字符串，***對這個36位的字串進行md5加密并轉換成大寫字串，得到最終post的密鑰。
網上很多人說用標準的md5加密，但是我用python的hashlib里的md5進行上述的加密，得到的結果卻與標準結果不同，于是只能尋求其他辦法。后來在Google的時候搜到了在python中利用windows的插件Windows ScriptControl運行其他腳本語言的方法，不僅適用js，還可以運行vbs等。
首先需要安裝Windows ScriptControl插件，可以去微軟的官網上下載。其次還需要安裝python的win32庫，然后就可以簡單的如下執行：
- import win32com.client
- def readJsFile(filename):
- fp = file( filename, ‘r’ )
- lines = ”
- for line in fp:
- lines += line
- return lines
- def driveJsCode(code, func, paras=None):
- js = win32com.client.Dispatch
(’MSScriptControl.ScriptControl’)- js.Language = ‘JavaScript’
- js.AllowUI = False
- js.AddCode( code )
- if paras:
- return js.Run(func, paras[0], paras[1])
- else:
- return js.Run(func)
- if __name__ == ‘__main__’:
- code = readJsFile( ‘comm.js’ )
- p = driveJsCode
( code, ‘myPreProcess’, [password, verfcode] )- print ‘The decoded code is %s’ % p
這種方法通用性強，而且即使服務器改變算法，依然可以得到正確的加密驗證碼。以上的相關內容就是對Python模擬網頁的javascript加密驗證處理的相關內容的介紹。
【編輯推薦】
