爬了一个“此地无银三百两”的网页

曾经终败给现在 2024-02-05 15:04 24阅读 0赞

某年某月某一天，爬某个网站的时候，返回了一堆乱码，然后右键查看网页源代码，发现一堆被编码过的字符串，也看不到我想爬的内容，类似下图这样。

![5408c406c920b8dce50097fd633f51b3.png][]

明摆着这是加密了，有百分号%看着是url编码，但直接去解码结果又是乱码。观察<script id='crypt\_eval\_js'>的 \_0x5cef 有个返回值，结合第12行的命令，在控制台直接输出\_0x5cef('0x0') 和 \_0x5cef('0x1') ：

![1ddf96d455024bee4d0bc7256db73da0.png][]

整那么几行，就是为了返回 \_0x42d7 的成员 write 或 reverse ，字面上看可能有对字符串进行反转和写入的操作，多少有点“吓”到我了哈哈。

那就让ChatGPT弄个简单网页，代码如下：

<!DOCTYPE html>
    <html>
    <head>
        <title>偶尔敲代码</title>
        <style>
            body {
                margin: 0;
                padding: 0;
                display: flex;
                justify-content: center;
                align-items: center;
                height: 100vh;
                background-size: cover;
                background-position: center;
                background-repeat: no-repeat;
            }
    
    
            .welcome-text {
                font-size: 36px; /* 调整字体大小 */
                color: red;
                text-align: center;
                text-shadow: 2px 2px 4px rgba(0, 0, 0, 0.5);
            }
    </style>
    </head>
    <body>
        <div class="welcome-text">
            欢迎关注微信公众号：偶尔敲代码
        </div>
    </body>
    </html>

对上面的网页源码进行url编码，再将编码后的网页源码文本进行反转，放入到 html 变量里，加上这个网站其他花里胡哨的代码，成为下面这样：

<!DOCTYPE html>
    <script id='crypt_html_js'>
      var html = 'E3%lmthF2%C3%A0%E3%ydobF2%C3%A0%E3%vidF2%C3%02%02%02%02%A0%18%0A%7E%3A%BB%4E%2B%59%6E%49%0B%5E%6B%18%5E%A9%CB%FE%7B%F8%5E%79%CB%4E%CA%58%5E%1A%FB%4E%EA%EB%5E%8A%3B%6E%3B%58%5E%E8%FB%8E%2A%CA%6E%02%02%02%02%02%02%02%02%A0%E3%22%txet-emoclew22%D3%ssalc02%vidC3%02%02%02%02%A0%E3%ydobC3%A0%E3%daehF2%C3%A0%E3%elytsF2%C3%02%02%02%02%A0%D7%02%02%02%02%02%02%02%02%A0%B3%)5.002%C2%002%C2%002%C2%0(abgr02%xp402%xp202%xp202%A3%wodahs-txet02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%retnec02%A3%ngila-txet02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%der02%A3%roloc02%02%02%02%02%02%02%02%02%02%02%02%A0%F2%*02%F8%0B%5E%7A%4A%5E%39%DB%4E%79%DA%5E%4B%59%6E%38%0B%8E%02%*F2%02%B3%xp6302%A3%ezis-tnof02%02%02%02%02%02%02%02%02%02%02%02%A0%B7%02%txet-emoclew.02%02%02%02%02%02%02%02%A0%A0%D7%02%02%02%02%02%02%02%02%A0%B3%taeper-on02%A3%taeper-dnuorgkcab02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%retnec02%A3%noitisop-dnuorgkcab02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%revoc02%A3%ezis-dnuorgkcab02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%hv00102%A3%thgieh02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%retnec02%A3%smeti-ngila02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%retnec02%A3%tnetnoc-yfitsuj02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%xelf02%A3%yalpsid02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%002%A3%gniddap02%02%02%02%02%02%02%02%02%02%02%02%A0%B3%002%A3%nigram02%02%02%02%02%02%02%02%02%02%02%02%A0%B7%02%ydob02%02%02%02%02%02%02%02%A0%E3%elytsC3%02%02%02%02%A0%E3%eltitF2%C3%18%0A%7E%3A%BB%4E%2B%59%6E%49%0B%5E%6B%18%5E%E3%eltitC3%02%02%02%02%A0%E3%daehC3%A0%E3%lmthC3%A0%E3%lmth02%EPYTCOD!C3%';
    </script>
    <script id='crypt_eval_js'>
      var _0x42d7 = ['write', 'reverse'];
      var _0x5cef = function(_0x42d7d2, _0x5cefe4) {
        _0x42d7d2 = _0x42d7d2 - 0x0;
        var _0x950fea = _0x42d7[_0x42d7d2];
        return _0x950fea;
      };
      document[_0x5cef('0x0')](decodeURIComponent(html['split']('')[_0x5cef('0x1')]()['join'](''))); ['sojson.v4']['filter']['constructor'](((['sojson.v4'] + [])['constructor']['fromCharCode']['apply'](null, '40P102t117j110T99z116Z105B111y110X40K41Y123E102O117X110o99g116B105I111V110q32g120c40q105s100i41x123i108F101j116N32D99i104u115B61G100K111G99z117l109C101c110t116A46E103e101s116H69Y108N101o109N101f110p116t66V121r73s100b40o105g100g41h59M99Z104p115B46M112r97P114R101o110q116A78F111o100W101F46c114D101m109p111m118g101j67G104q105B108M100o40e99v104W115J41n125x120d40V39r99J114r121p112Y116c95Q104X116c109z108P95x106U115k39Y41g59e120N40Z39C99b114w121o112m116K95L101l118u97r108V95D106l115G39a41n59d125D41r40L41' ['split'](/[a-zA-Z]{1,}/))))('sojson.v4');
    </script>

保存成html文件，直接运行，果然就是正常的网页。

![ef80dc6116c4f7c4c1a1914f224e7731.png][]

既然编码加密后的源码是明确放在 html 变量里了，继续看看代码中第12行是怎么解密并让网页成功渲染的：

document[_0x5cef('0x0')](decodeURIComponent(html['split']('')[_0x5cef('0x1')]()['join']('')));

在控制台输出一下 decodeURIComponent 后的结果可以看出前面的分析没错

![22084d605660569b25ec0df2ca9adfef.png][]

如果一步步分解，步骤大概是：

1. 使用split('')方法将变量 html 按字符拆分成数组；

2. 对拆分后的数组调用函数\_0x5cef('0x1')，获取到数组中索引为1的元素，即字符串'reverse'，将数组反转；

3. 使用join('')方法将反转后的数组重新合并为一个字符串；

4. 使用decodeURIComponent函数对合并后的字符串进行解码；

5. document\[\_0x5cef('0x0')\](...)调用函数\_0x5cef('0x0')，获取数组中索引为0的元素，即字符串'write'。

所以第12行代码翻译成明文就是：

document['write'](decodeURIComponent(html['split']('')['reverse']()['join']('')));

所以这个网页主要是对编码字符串进行解码，并将解码后的内容通过document.write()方法输出到网页中。虽然它表面上不想让人爬取页面上的信息，把内容反转又编码的，但这一分析它就把网页放在最显眼的变量里，有种“此地无银三百两”的感觉了。

当时一开始爬取的时候，确实让我卡壳了一下，以为是很复杂的加密，最终也算解决了，做个简单记录分享~

\- End -

更多精彩文章

点击下方名片关注【偶尔敲代码】

![2fbad4956521750f0711ca3599faaa13.gif][]

[5408c406c920b8dce50097fd633f51b3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/05/d17a08696476483496d2af321f6df87c.png
[1ddf96d455024bee4d0bc7256db73da0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/05/adc9ee4d475e4fe695c05e62dc291c77.png
[ef80dc6116c4f7c4c1a1914f224e7731.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/05/f452b459341a4c9f9c0731967b93631a.png
[22084d605660569b25ec0df2ca9adfef.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/05/652f360687ca433baba2f41393b73382.png
[2fbad4956521750f0711ca3599faaa13.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/05/e183c5207ca94bd2b805625b096bee4d.png