欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

程序员文章站 2022-08-08 08:54:55
学术搜索 学习理论的知识少不了去检索文献,好多文献为你的实操提供了合理的支撑,我所在的大学内网默认是有知网账户的,非常NICE 今天要完成的网站是 http://ac.scmor.com/ Google学术搜索是一个文献检索服务,目前主要是提供维普资讯、万方数据等几个学术文献资源库的检索服务。通过G ......

学术搜索

学习理论的知识少不了去检索文献,好多文献为你的实操提供了合理的支撑,我所在的大学内网默认是有知网账户的,非常nice

今天要完成的网站是 http://ac.scmor.com/

google学术搜索是一个文献检索服务,目前主要是提供维普资讯、万方数据等几个学术文献资源库的检索服务。通过google学术搜索只能够查找到这些学术资料的“报告、摘要及引用内容... 来源百度百科

Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

我们的目标

获取现在访问的链接地址,当你使用谷歌浏览器的开发者工具抓取的时候,得到的是一个js加密函数

Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

注意看上图2的位置,接下来,我们采用上篇博客的方式,去尝试获取visit函数的具体内容

我们要在所有的请求链接中去检索一个visit方法,注意步骤
Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇
双击方法名,进入
Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

找到核心方法

function visit(url) {
    var newtab = window.open('about:blank');   
    if(gword!='') url = strdecode(url);
   // var newtab = window.open(url);   
    newtab.location.href = url;
    //newtab.location.reload(true);
}

发现url在跳转前调用了一个strdecode函数,你只需要关注这个函数的实现就可以了

再次查看visit的调用函数,找到参数的生成方式为

 onclick="visit(\'' + autourl[b] + '\')"  

autourl[b] 我们是可以直接用爬虫在html页面获取到的

Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

function auto(b) {
    t = (tim - ts[b]) / 100;
    tt = t.tostring().split('.');
    if(tt.length==1) t = t.tostring() + '.00';
    else if(tt[1].length < 2)  t = t.tostring() + '0';
    if (t > 4) document.getelementbyid("txt" + b).innerhtml = '<font color=red>连接超时!<\/font>';
    else document.getelementbyid("txt" + b).innerhtml = 'takes ' + t + 's.   <a href="javascript:;" class="ok" onclick="visit(\'' + autourl[b] + '\')"> 现在访问 <\/a>'
}

function visit(url) {
    var newtab = window.open('about:blank');   
    if(gword!='') url = strdecode(url);
   // var newtab = window.open(url);   
    newtab.location.href = url;
    //newtab.location.reload(true);
}

参数分析

if(gword!='') url = strdecode(url); 如果gword为空,调用的是strdecode方法,查阅之后,发现相关代码也在下面

gword 在上面的一张图片中我们也已经获取到了,可以向上看

strdecode函数分析

  1. 进行base64编码
  2. 通过gword生成一个key
  3. 计算key的len
  4. 循环string然后将code生成,这个地方注意js里面的fromcharcode函数(python里面的chr)和charcodeat函数(python里面的ord)
//code
function strdecode(string) {
    string = base64decode(string);
    key = gword+'ok ';
    len = key.length;
    code = '';
    for (i = 0; i < string.length; i++) {
        var k = i % len;
        code += string.fromcharcode(string.charcodeat(i) ^ key.charcodeat(k))
    }
    return base64decode(code)
}
var base64decodechars = new array(-1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, 62, -1, -1, -1, 63, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, -1, -1, -1, -1, -1, -1, -1, 0, 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, -1, -1, -1, -1, -1, -1, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, -1, -1, -1, -1, -1);

function base64decode(str) {
    var c1, c2, c3, c4;
    var i, len, out;
    len = str.length;
    i = 0;
    out = "";
    while (i < len) {
        do {
            c1 = base64decodechars[str.charcodeat(i++) & 0xff]
        } while (i < len && c1 == -1);
        if (c1 == -1) break;
        do {
            c2 = base64decodechars[str.charcodeat(i++) & 0xff]
        } while (i < len && c2 == -1);
        if (c2 == -1) break;
        out += string.fromcharcode((c1 << 2) | ((c2 & 0x30) >> 4));
        do {
            c3 = str.charcodeat(i++) & 0xff;
            if (c3 == 61) return out;
            c3 = base64decodechars[c3]
        } while (i < len && c3 == -1);
        if (c3 == -1) break;
        out += string.fromcharcode(((c2 & 0xf) << 4) | ((c3 & 0x3c) >> 2));
        do {
            c4 = str.charcodeat(i++) & 0xff;
            if (c4 == 61) return out;
            c4 = base64decodechars[c4]
        } while (i < len && c4 == -1);
        if (c4 == -1) break;
        out += string.fromcharcode(((c3 & 0x03) << 6) | c4)
    }
    return out
}

这个地方有2个解决方案了

  • 1是用python重写编写相关逻辑
  • 2通过python调用js直接实现

我们采用方案2 将 base64decode 复制到一个文件中,然后通过execjs进行调用

python 执行js库 execjs

execjs可以在python中运行javascript代码

官网:https://pypi.org/project/pyexecjs/

安装:pip install pyexecjs

可以切换清华源

安装成功之后在pycharm中引入一下,不出错误,表示运行成功
Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇
我们对js进行编译

import execjs
with open('scmor.js', 'r', encoding='utf-8') as f:
    js = f.read()
    ctx = execjs.compile(js)  # 对js进行编译

核心的方法

def decode(string):
    string = ctx.call('base64decode', string)  # base64解码string参数,string参数上面获取到的autourls里面的值
    key = " link@scmor.comok "  # gword的值+ 'ok '   key 在html页面中可以获取到
    len = len(key)  # gword长度
    code = ''
    for i in range(0, len(string)):
        k = i % len
        n = ord(str(string[i])) ^ ord(str(key[k]))
        code += chr(n)
    return ctx.call('base64decode', code)

运行结果展示

Python爬虫入门教程 62-100 30岁了,想找点文献提高自己,还被反爬了,Python搞起,反爬第2篇

完整代码下载

关注公众账号:非本科程序员,回复0402获取下载地址