Selenium 动态数据抓取与 JS 逆向解密实战

Selenium 的优势在于它就是一个可控制的真实浏览器，无需处理复杂的反爬策略，只需掌握元素定位（XPath、ID、Class）和 page_source 的使用即可。

Selenium 模拟登录：以 12306 为例

简单的古诗文登录可能不需要截图，但像 12306 这种带有图形验证码的网站，不能单独请求验证码图片，因为 Selenium 打开页面时已经触发了一次请求，再次请求会导致验证码不一致。

解决方案：截屏后裁剪验证码区域，再送入打码平台。

前置准备：

pip install Pillow

代码实现：

from PIL import Image
from selenium.webdriver.common.by import By
from selenium.webdriver import ActionChains
import time

bro = webdriver.Chrome(executable_path='../chromedriver_win32/chromedriver.exe')
url = 'https://kyfw.12306.cn/otn/login/init'
bro.get(url)
time.sleep(2)  # 等待验证码加载

# 输入账号密码
username_tag = bro.find_element(By.ID, 'username')
username_tag.send_keys('你的用户名')
password_tag = bro.find_element(By.ID, 'password')
password_tag.send_keys('你的密码')

# 截屏并裁剪验证码
bro.save_screenshot('./main.png')
code_img_tag = bro.find_element(By.XPATH, '//*[@id="loginForm"]/div/ul[2]/li[4]/div/div/div[3]/img')
location = code_img_tag.location
size = code_img_tag.size

# 计算裁剪坐标
rect = (int(location['x']), int(location['y']), 
        int(location['x'] + size['width']), int(location['y'] + size['height']))

i = Image.open('./main.png')
frame = i.crop(rect)
frame.save('./code.png')

# TODO: 此处调用超级鹰等打码接口
# result = transform_code_img('./code.png', 9004)

# 假设已获取坐标结果，格式为 x1,y1|x2,y2...
result = "100,100|200,200"

# 解析坐标
all_list = []
if '|' in result:
    list1 = result.split('|')
    for item in list1:
        xy_list = [int(item.split(',')[0]), int(item.split(',')[1])]
        all_list.append(xy_list)
else:
    all_list.append([int(result.split(',')[0]), int(result.split(',')[1])])

# 使用动作链点击验证码
for position in all_list:
    x, y = position
    ActionChains(bro).move_to_element_with_offset(code_img_tag, x, y).click().perform()
    time.sleep(1)

# 点击登录
bro.find_element(By.ID, 'loginSub').click()
time.sleep(3)

# 验证登录成功
page_str = bro.page_source
print("登录状态检查...")
bro.quit()

注意事项：

• 电脑屏幕缩放比例必须设置为 100%，否则坐标计算会偏移。
• 打码服务需要充值积分，请替换为自己的 API Key。

JS 加密与混淆机制分析

案例：空气质量查询网

该网站使用了较为复杂的 JS 加密和混淆技术。响应数据是密文，前端通过回调函数解密显示。

逆向思路：

1. 抓包：找到 Ajax 请求，观察参数 d（动态加密）和 Response（加密数据）。
2. 定位源码：搜索绑定搜索按钮的事件函数，追踪到发起 Ajax 的 getServerData 函数。
3. 反混淆：JS 混淆旨在隐藏逻辑，可使用在线工具或手动还原。
4. JS 逆向执行：在 Python 中调用 JS 函数生成参数和解密数据。

工具准备：

• 安装 Node.js 环境（PyExecJS 依赖）。
• 安装 PyExecJS：

pip install PyExecJS

步骤一：生成加密参数 d

将反混淆后的 JS 代码保存为 test.js，并在末尾添加封装函数：

function getPostParamCode(method, city, type, startTime, endTime){
    var param = {};
    param.city = city;
    param.type = type;
    param.startTime = startTime;
    param.endTime = endTime;
    return getParam(method, param);
}

Python 端调用：

import execjs

node = execjs.get()
file = 'test.js'
ctx = node.compile(open(file, encoding='utf-8').read())

method = 'GETDETAIL'
city = '北京'
type_ = 'HOUR'
start_time = '2018-01-25 00:00:00'
end_time = '2018-01-25 23:00:00'

js = 'getPostParamCode("{0}", "{1}", "{2}", "{3}", "{4}")'.format(
    method, city, type_, start_time, end_time)
params = ctx.eval(js)
print(params)

步骤二：解密 Response

拿到加密的 Response 后，同样通过 JS 函数解密：

response_text = requests.post(url, data={'d': params}).content.decode()
js = 'decodeData("{0}")'.format(response_text)
decrypted_data = ctx.eval(js)
print(decrypted_data)

说明： 部分网站服务器可能不稳定，导致无法获取有效数据，但逆向流程本身是通用的。核心在于找到前端负责加密和解密的 JS 源码，并通过 PyExecJS 桥接至 Python 环境执行。

总结

JS 逆向的核心在于理解前端逻辑。手动改写为 Python 代码可行但繁琐，推荐使用 PyExecJS 配合 Node.js 环境。遇到混淆代码时，善用反混淆工具，结合浏览器调试器逐步追踪函数调用链。