数据爬虫

警告

爬虫需谨慎, 请勿用于非法用途

1.打开工具

• 方法①: 按f12打开开发者工具
• 方法②: 通过点击触发

2.面板介绍

3.请求详情

请求详情字段包含：​标头（Headers） 载荷（Payload） 响应（Response） 预览（Preview） 启动器（Initiator） 时间（Timing） Cookie

3.1.标头[Headers]: 请求常规信息、响应头、请求头

3.2.载荷[Payload]: 请求体。会自动编排格式后显示，可以查看源代码，如果是url参数，还可以查看url编码格式的数据

3.3.响应[Response]: 服务器返回内容

3.4.预览[Preview]: 响应解析后的内容

如: 返回内容是html标签，预览则解析为html网页进行显示；返回内容是资源类，可能两者一样如css、js文件都显示文件内容。

3.7.启动器[Initiator]: 触发请求的源头。显示是通过哪个页面或者脚本发起了该请求。用于调试和追踪请求的起源

一般用于反爬虫代码加密参数调试

3.6.时间[Timing]: 完成请求消耗的时间。包含请求开始时间、DNS 解析时间、连接时间、服务器响应时间、内容下载时间等。可以用来分析、优化请求性能

一般不关心

3.7.Cookie：请求和响应的Cookie

4.常见反爬

• 请求头反爬
  • 1. 添加User-Agent
  • 2. 添加Referer
  • 3. 添加Cookie
  • 4. 自定义请求头
• ip拦截
  • 1. 使用代理池
• 防水墙
  • 1. 5s盾 - 异常参数
  • 2. 验证码 - 可用ocr识别
  • 3. 滑动
  • 4. 机器人验证 - 浏览器指纹
  • 5. 点击验证 - 自动化技术

5.无限 debugger 解决方法

对网页查看页面网络请求的时候发现页面进入debugger模式, 继续往下执行, 循环进入该断点调试

5.1.禁用所有断点

先禁用断点(点击变蓝色)->继续下一步(点击变成⏸)

5.2.禁用局部断点

在断点代码最前面数字右键选择一律不在此处暂停或者添加条件短点(高级用法), 变成?符号

5.3.文件替换

找到原始文件, 找到对应代码, 删除debugger相关逻辑后替换文件(此处删除setInterval定时器中内容即可)

5.4.函数制空

一定要在 debugger 进入之前操作(小技巧可以将网络请求设置为低速4g或者3g | 或者在加载第一个js文件中加入代码)

// 这里是业务代码和setInterval无关，所以直接置空即可
setInterval = function(){}

5.5.Hook大法

一定要在 debugger 进入之前操作(小技巧可以将网络请求设置为低速4g或者3g | 或者在加载第一个js文件中加入代码)

const _setInterval = setInterval;  // 保存了原始的 setInterval 函数
setInterval = function (a,b) {
    if (a.toString().indexOf('debugger') == -1) {
        return function() {}; // 如果不包含 'debugger'，则返回一个空函数，这意味着不会执行任何操作。
    } else {
        _setInterval(a,b);  // 如果包含 'debugger'，则使用原始的 _setInterval 函数来设置定时器。
    }
}

// 重写的方法会返回一个字符串
Function.prototype.toString = function () {
    return `function ${this.name}() { [native code] }`
}

5.6.屏蔽加载

• 利用某些代理工具可以屏蔽比如文件名developer_tools的脚本请求
• electron 就是一个 chrome, 利用 electron 接口能力屏蔽

6.善用工具

常见工具：postman apifox httpie

借助工具可以快速送请求, 方便调试, 验证数据参数是否正确

7.实战分享

秋秋大佬分享(已授权), 如下内容只为记录和学习爬虫知识, 禁止商用或贩卖

7.1.禁用了控制台和F12

• 地址: https://gaze.run/play/7c0fbeb7980215909a80fc4aab6d4dcf
• 解决方法: 替换源代码, 修改false为true, 保存后刷新页面即可

  document.onkeydown = function () {
      var e = window.event || arguments[0];
      if (e.keyCode == 123) {
          return false; 
          return true; 
      }
  }

7.2.控制台检测和页面重定向

• 地址: https://gaze.run/play/7c0fbeb7980215909a80fc4aab6d4dcf
• 关键代码:

  devtoolsDetector.addListener(function(isOpen) {
      if(isOpen&&!Rain){
          self.location.href="https://baidu.com";
      }
  });

• 解决方法: 使用hook脚本, 本地替换源代码, 删除对应检测代码

  window.onbeforeunload = function () {
      debugger
  }

7.3.无限debugger

7.3.1.eval执行

• 关键代码

  eval(atob("ZGVidWdnZXI="))

• 解决方法: hook脚本-替换debugger关键字

  (function() {
      var _eval = window.eval;
      window.eval = function(x) {
          _eval(x.replace("debugger;","  ; "));
      }; //过debuger
      window.eval.toString = _eval.toString; //防debuger检测
  })();

7.3.2.构造函数生成无限debugger

• 解决方法: hook脚本-重写debugger函数

  AAA = Function.prototype.constructor;
  Function.prototype.constructor = function (a) {
      if (a == "debugger") {
          return function () {};
      }
      return AAA(a);
  }

7.3.3.禁用断点或者禁用js脚本加载

• 关键截图

7.3.4.右键选择一律不在此处停留

部分站点可能存在多个断点需要多次操作

• 地址: https://antispider8.scrape.center/
• 关键截图

7.3.5.debugger位于计时器中

• 关键代码:

  setInterval((function() {
      debugger ;console.log("debugger")
  }), 1e3)

• 解决方法: hook脚本-识别到debugger重置函数, 其他正常响应定时器

  let _setInterval = setInterval
  setInterval = function(a, b) {
      if (a.toString().indexOf('debugger')== -1) {
          return null;
      }
      _setInterval(a, b)
  }